在云數(shù)據(jù)中心,資源分配是云計算系統(tǒng)應(yīng)用中的核心技術(shù)。當(dāng)前云計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。為了解決該問題,引入包簇映射框架,提出基于混沌擾動遺傳算法。該算法是將遺傳算法和混沌搜索機制相結(jié)合,以降低成本和提高資源分配效率為目標,利用個體之間的差異性對種群進行初始化,改進種群的交叉變異和適應(yīng)度函數(shù)。通過貪心修正進行合理的云資源分配,采用仿真軟件CloudSim進行實驗,對其性能進行實驗分析。實驗結(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)用價值。 

【文章來源】：計算機應(yīng)用與軟件. 2019,36(02)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

小規(guī)模任務(wù)的完成時間比較

斂速度對比如表4所示。令虛擬機數(shù)量I=100，其他參數(shù)如表1所示。表4算法收斂速度實驗對比表算法最大進化代數(shù)Maxgen完成時間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為了實驗的準確性，避免偶然情況，本文實驗的每個算法都執(zhí)行15次，然后對實驗結(jié)果取平均值。圖2、圖3和圖4是對三種算法的實驗結(jié)果進行比較。圖2小規(guī)模任務(wù)的完成時間比較圖3大規(guī)模任務(wù)完成時間比較圖4三種算法的收斂速度對比從圖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)完成時間最短，優(yōu)勢明顯。從圖4可以看出，本文改進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，對執(zhí)行包簇映射下的資源分配所需要總時間較少，基本達成了最優(yōu)化解決方案。由實驗可知，在包簇映射的框架下，基于混沌擾動遺傳算法引入混沌擾動機制，利用混沌的遍歷性和參數(shù)擾動策略，擴大了虛擬機種群的多樣性，避免遺傳算法陷入局部極小值，增強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，所需要時間最少，搜索速度最快，PSO算法次之。這是因為GACD算法采用混沌進行種群初始化，利用參數(shù)擾動策?

0－1變量，當(dāng)且僅當(dāng)存在有包在時間t被分配給簇p時，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，通過混沌擾動遺傳算法進行資源分配，提高分配效率，減少分配時間。2基于混沌擾動遺傳算法調(diào)度策略2．1設(shè)計思想基于混沌擾動遺傳算法是將遺傳算法和混沌搜索機制相結(jié)合。首先求出個體之間的差異和適應(yīng)度值，利用遺傳算法進行搜索，混沌機制來避免陷入局部最優(yōu)，通過精英保留選擇法，把優(yōu)秀的個體作為父代，然后采用改進的交叉和變異操作。算法的主要流程如圖1所示。圖1算法流程圖2．2個體之間的差異性種群在初始化時會有很大的機率產(chǎn)生很多相似的個體，導(dǎo)致大量迭代計算，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象之間的差異，將特征空間中不同的對象進行分類。本文用0－1編碼來對兩個個體的基因串進行評估，其中兩個對象相同的位置編碼相同，則為0，不同則為1。0越多表示兩個對象越相同，編碼情況越相同。在算法中，限定0的個數(shù)來避免非常相似的個體。差異值D=∑Li=1xi，1，其中xi，1是一個0－1變量。當(dāng)兩個對象(包或虛擬機)相同的第i位置編碼相同時，xi，1=0，否則編碼xi，1=1。L為編碼長度。

【參考文獻】：
期刊論文
[1]面向成本優(yōu)化的包簇機制虛擬化資源分配[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算資源分配框架[J]. 盧浩洋,陳世平.  計算機應(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.  計算機應(yīng)用. 2011(07)
[4]云計算環(huán)境下基于改進遺傳算法的任務(wù)調(diào)度算法[J]. 李建鋒,彭艦.  計算機應(yīng)用. 2011(01)
[5]基于相似度的可變編碼長度遺傳算法[J]. 潘立登,黃曉峰.  北京化工大學(xué)學(xué)報(自然科學(xué)版). 1997(03)



本文編號：2991919