强化学习下能耗优化的虚拟机放置策略

摘要：

云数据中心的高速发展带来了非常强大的计算能力,但是伴随产生的能耗问题也日益严重.为了降低云数据中心内物理服务器的能耗开销,首先利用强化学习对虚拟机放置问题进行建模,随后结合实际问题从状态聚合和时间信度两个方面对Q-Learning(λ)算法进行优化,最后通过云仿真平台CloudSim和实际数据集对虚拟机放置问题进行实验.实验结果表明,与Q-Learning算法、Greedy算法和PSO算法相比,优化后的Q-Learning(λ)算法更有效地降低了物理服务器的能耗开销,同时针对不同数量的虚拟机放置请求也能够保证更好的结果,具有较强的实用价值.

关键词：云计算、虚拟机放置、强化学习、能耗优化、Q-Learning(λ)算法

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金面上项目61472139;华东理工大学2017年教育教学规律与方法研究项目ZH1726107

在线出版日期：2019-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：291-297