基于粒子群优化算法的虚拟机部署策略

摘要：

针对云计算基础设施即服务(IaaS)中的虚拟机部署问题,提出一种基于粒子群优化(PSO)算法的部署策略.由于PSO算法在处理虚拟机部署这类大规模复杂问题时,具有收敛速度慢且容易陷入局部最优的缺点,首先,引入多种群进化模式提高算法收敛速度,并在此基础上加入高斯学习策略避免局部最优,提出了一种多种群高斯学习粒子群优化(MGL-PSO)算法;然后,根据部署模型,使用轮询(RR)算法对MGL-PSO进行初始化,进而提出了一种以负载均衡为目标的虚拟机部署策略.通过在CloudSim中进行仿真实验,验证了在解决虚拟机部署问题时,MGL-PSO相比PSO算法,具有更快的收敛速度,并且负载不均衡度降低了13.1％.在两种实验场景下,所提算法相比随机负载均衡(OLB)算法,其负载不均衡度分别平均降低了25％和15％;相比贪婪算法(GA),使负载不均衡度分别平均降低了19％和7％.

关键词：虚拟机部署、粒子群优化、负载均衡、高斯学习、多种群进化

所属期刊栏目：36

分类号：TP311;TP18(计算技术、计算机技术)

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-121