在云數(shù)據(jù)中心,資源分配是云計(jì)算系統(tǒng)應(yīng)用中的核心技術(shù)。當(dāng)前云計(jì)算資源在分配過程中,或多或少存在收斂慢、易早熟、資源分配效率低等缺點(diǎn)。為了解決該問題,引入包簇映射框架,提出基于混沌擾動(dòng)遺傳算法。該算法是將遺傳算法和混沌搜索機(jī)制相結(jié)合,以降低成本和提高資源分配效率為目標(biāo),利用個(gè)體之間的差異性對(duì)種群進(jìn)行初始化,改進(jìn)種群的交叉變異和適應(yīng)度函數(shù)。通過貪心修正進(jìn)行合理的云資源分配,采用仿真軟件CloudSim進(jìn)行實(shí)驗(yàn),對(duì)其性能進(jìn)行實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明,該方法可以有效提高資源分配效率和收斂速度,具有較好的廣泛應(yīng)用價(jià)值。 

【文章來源】：計(jì)算機(jī)應(yīng)用與軟件. 2019,36(02)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

小規(guī)模任務(wù)的完成時(shí)間比較

斂速度對(duì)比如表4所示。令虛擬機(jī)數(shù)量I=100，其他參數(shù)如表1所示。表4算法收斂速度實(shí)驗(yàn)對(duì)比表算法最大進(jìn)化代數(shù)Maxgen完成時(shí)間t/sGACD/PSO/GA50351/429/431GACD/PSO/GA100250/352/375GACD/PSO/GA150230/301/354GACD/PSO/GA200211/225/268GACD/PSO/GA250201/222/254GACD/PSO/GA300182/218/234GACD/PSO/GA350170/215/231GACD/PSO/GA400165/210/225GACD/PSO/GA450156/199/221為了實(shí)驗(yàn)的準(zhǔn)確性，避免偶然情況，本文實(shí)驗(yàn)的每個(gè)算法都執(zhí)行15次，然后對(duì)實(shí)驗(yàn)結(jié)果取平均值。圖2、圖3和圖4是對(duì)三種算法的實(shí)驗(yàn)結(jié)果進(jìn)行比較。圖2小規(guī)模任務(wù)的完成時(shí)間比較圖3大規(guī)模任務(wù)完成時(shí)間比較圖4三種算法的收斂速度對(duì)比從圖2可以得出，在一定任務(wù)范圍內(nèi)，GACD、PSO、GA算法完成任務(wù)的時(shí)間差別不大。但從圖3可以看出，在任務(wù)量比較多的情況下，GACD的任務(wù)完成時(shí)間最短，優(yōu)勢(shì)明顯。從圖4可以看出，本文改進(jìn)的遺傳算法收斂速度明顯比較快，算法在迭代300次后快速收斂，開始趨向穩(wěn)定。GACD算法形成的任務(wù)調(diào)度方案，對(duì)執(zhí)行包簇映射下的資源分配所需要總時(shí)間較少，基本達(dá)成了最優(yōu)化解決方案。由實(shí)驗(yàn)可知，在包簇映射的框架下，基于混沌擾動(dòng)遺傳算法引入混沌擾動(dòng)機(jī)制，利用混沌的遍歷性和參數(shù)擾動(dòng)策略，擴(kuò)大了虛擬機(jī)種群的多樣性，避免遺傳算法陷入局部極小值，增強(qiáng)了遺傳算法的全局搜索能力，并且在一定程度上使得該算法具有較高的搜索速度和收斂速度。在時(shí)間上，通過圖2和圖3可知，GACD算法在資源分配的過程中，所需要時(shí)間最少，搜索速度最快，PSO算法次之。這是因?yàn)镚ACD算法采用混沌進(jìn)行種群初始化，利用參數(shù)擾動(dòng)策?

0－1變量，當(dāng)且僅當(dāng)存在有包在時(shí)間t被分配給簇p時(shí)，它的值為1。本文在基于包簇映射的框架下，以減少成本U(x，y)為目標(biāo)，通過混沌擾動(dòng)遺傳算法進(jìn)行資源分配，提高分配效率，減少分配時(shí)間。2基于混沌擾動(dòng)遺傳算法調(diào)度策略2．1設(shè)計(jì)思想基于混沌擾動(dòng)遺傳算法是將遺傳算法和混沌搜索機(jī)制相結(jié)合。首先求出個(gè)體之間的差異和適應(yīng)度值，利用遺傳算法進(jìn)行搜索，混沌機(jī)制來避免陷入局部最優(yōu)，通過精英保留選擇法，把優(yōu)秀的個(gè)體作為父代，然后采用改進(jìn)的交叉和變異操作。算法的主要流程如圖1所示。圖1算法流程圖2．2個(gè)體之間的差異性種群在初始化時(shí)會(huì)有很大的機(jī)率產(chǎn)生很多相似的個(gè)體，導(dǎo)致大量迭代計(jì)算，為了解決此問題，本文引出差異性。差異性是指特征空間中對(duì)象之間的差異，將特征空間中不同的對(duì)象進(jìn)行分類。本文用0－1編碼來對(duì)兩個(gè)個(gè)體的基因串進(jìn)行評(píng)估，其中兩個(gè)對(duì)象相同的位置編碼相同，則為0，不同則為1。0越多表示兩個(gè)對(duì)象越相同，編碼情況越相同。在算法中，限定0的個(gè)數(shù)來避免非常相似的個(gè)體。差異值D=∑Li=1xi，1，其中xi，1是一個(gè)0－1變量。當(dāng)兩個(gè)對(duì)象(包或虛擬機(jī))相同的第i位置編碼相同時(shí)，xi，1=0，否則編碼xi，1=1。L為編碼長(zhǎng)度。

【參考文獻(xiàn)】：
期刊論文
[1]面向成本優(yōu)化的包簇機(jī)制虛擬化資源分配[J]. 王磊,陳世平,盧浩洋.  電子科技. 2017(11)
[2]基于包簇映射的云計(jì)算資源分配框架[J]. 盧浩洋,陳世平.  計(jì)算機(jī)應(yīng)用. 2016(10)
[3]多任務(wù)多資源優(yōu)化調(diào)度的病毒遺傳算法[J]. 齊金平,查顯鋒.  計(jì)算機(jī)應(yīng)用. 2011(07)
[4]云計(jì)算環(huán)境下基于改進(jìn)遺傳算法的任務(wù)調(diào)度算法[J]. 李建鋒,彭艦.  計(jì)算機(jī)應(yīng)用. 2011(01)
[5]基于相似度的可變編碼長(zhǎng)度遺傳算法[J]. 潘立登,黃曉峰.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 1997(03)



本文編號(hào)：2991919