云計算環(huán)境下基于改進粒子群算法的動態(tài)資源調(diào)度研究.pdf

1、由于云數(shù)據(jù)中心包括多種物理設(shè)備以及網(wǎng)絡(luò)設(shè)備，資源管理量龐大，在靜態(tài)資源管理的很多情況會出現(xiàn)少數(shù)物理設(shè)備負載過重而多數(shù)設(shè)備負載過輕或者閑置的現(xiàn)象，導致利用率過低并且造成不必要的開銷，實現(xiàn)云數(shù)據(jù)中心高利用率以及負載均衡的目標對解決目前所存在的挑戰(zhàn)具有十分重要的意義。
　　本文通過分析云計算資源調(diào)度特點及問題，提出了基于改進粒子群算法的虛擬機放置方法以及虛擬機動態(tài)遷移策略，主要做了以下工作:
　　(1)對云數(shù)據(jù)中心建立數(shù)學模型，抽

2、象數(shù)據(jù)中心，對云數(shù)據(jù)中心資源進行了分析和數(shù)學描述，對CPU，內(nèi)存，網(wǎng)絡(luò)三種資源進行量化，便于實驗研究。
　　(2)對粒子群算法更新公式進行改進，使得粒子群算法能夠在整數(shù)集上運用，并改變相關(guān)參數(shù)定義，使之能夠適應(yīng)云數(shù)據(jù)中心的數(shù)學模型運用。改進算法步驟，對利用率和負載均衡共同關(guān)注，通過最大最小函數(shù)解出多種資源請求下的最優(yōu)解，增加迭代中子代粒子種群數(shù)量，增加采樣區(qū)域，使得虛擬機得到更好的部署，減少數(shù)據(jù)中心的開銷。
　　(3)提出基

3、于預(yù)測的虛擬機遷移策略，減少不必要的虛擬機遷移以免引起系統(tǒng)不穩(wěn)定和額外開銷。設(shè)計了基于預(yù)測的虛擬機遷移觸發(fā)條件，減少瞬間峰值帶來不必要遷移。選擇最少遷移次數(shù)作為虛擬機遷出策略，減少遷移次數(shù)。使用最佳適應(yīng)算法作為目標物理機選擇策略。解決了1、選擇何時進行虛擬機遷移;2、選擇哪些虛擬機進行遷出;3、選擇哪些物理機進行遷入的三個問題。
　　(4)在云計算仿真器CloudSim中進行仿真測試，對比基于貪心算法的輪詢放置方案，基本粒子群算法