[发明专利]私有云环境下基于遗传禁忌混合算法的资源调度策略方法

说明书

一种私有云环境下基于遗传禁忌混合算法的资源调度策略。第一步：随机产生初始种群；第二步：判断种群是否达到算法终止条件，若满足，则输出最优解；第三步：计算种群中所有个体适应度函数值；第四步：采取最优个体保留法和锦标赛法选择策略来选取下一代种群；第五步：依据交叉概率将选取的个体进行交叉，产生两个子代个体；第六步：依据变异概率进行变异操作，产生新的子代个体；第七步：用禁忌搜索算法对使用遗传算法产生的子代个体进行优化；第八步：生成新一代种群，返回至第二步。本发明设计了具有良好全局性与并行性的资源调度策略，避免了遗传算法的早熟现象。

技术领域

本发明涉及私有云环境下基于遗传禁忌混合算法的资源调度策略方法，属于计算机资源调度策略技术领域。

背景技术

云计算是一种通过使计算分布在大量的分布式计算机上或远程服务器中、按照互联网运作模式将资源能够切换到所需要的应用上，并根据需求访问计算机和存储系统的网络资源共享模式。在这一共享模式中，“云”是指各种虚拟化的计算资源池，它包括各种用于构造应用程序的基础设施，以及在这些基础设施上的具体云计算应用。虚拟化技术能够在实际硬件资源上构建虚拟的资源，从而实现弹性和动态性。

使用虚拟化技术：

1.可以实现资源利用的最大化，比如：把多个服务器上运行的虚拟主机整合到少数的服务器上；

2.可以根据需要动态地启动虚拟资源；

3.独立了运行环境；

4.保证了安全，因为虚拟主机实现了各用户之间计算环境的隔离，以及用户计算环境和底层基础设施之间的隔离。

数据中心作为云计算模式实施的实体，其演进为大数据处理创造了技术条件，所带来的资源共享、按需分配、绿色节能与快递部署业务等优势，推动传统数据中心向云数据中心发展。

为解决减小高铁数据中心资源投入，满足可伸缩性、安全性、自适应式资源管理部署的需求，一种更有效、更合理的系统资源调度策略亟待被提出以解决上述问题。多目标因子算法在资源调度管理理论模型中可以很好地将高速铁路数据中心资源管理的多项目标以数学模型的形式表达出来，并在具体地在系统应用中加以改进、优化，以提高高速铁路数据中心资源管理及运营效率。

遗传算法：标准遗传算法以种群作为工作单元，依据生物界“适者生存”的准则指导搜索操作并改进搜索方向。对解决非线性优化问题有很好的效果。遗传算法具有原理简单、算法健壮、易于实现等优势，同时还具有全局搜索和并行性两大显著特征。缺点是算法易出现“早熟”,爬山能力差。

禁忌搜索算法：禁忌搜索算法是对人类智力的一种模拟，通过使用禁忌表来记录已经遍历的局部最优解，并在下一次迭代中，利用禁忌表来规避或有选择的处理这些解，以避免陷入局部最优，并更新搜索路径。它是一种启发式算法。它具有局部搜索能力强，收敛速度快,“爬山”能力强的优点,而禁忌搜索算法的缺点是它的搜索性能对初始解的依赖性很强，禁忌搜索的迭代过程为串行，仅仅为单一状态的移动，在云环境下大量的资源调度任务执行时，其效率远低于并行算法。

发明内容

为了克服现有技术的不足,本发明提供私有云环境下基于遗传禁忌混合算法的资源调度策略方法,用于提高虚拟机IT资源利用率、服务效率。

私有云环境下基于遗传禁忌混合算法的资源调度策略,通过对遗传算法与禁忌搜索算法的融合,决定资源调度方式将任务映射到私有云环境的物理服务器,优化初期使用遗传算法得到子代，然后使用禁忌搜索算法对其进行优化，循环算法至满足终止条件；

通过将遗传算法和禁忌搜索算法相结合,给禁忌搜索算法提供了一个好的初始解,先用遗传算法优化,待算法优化到比较好的子代之后,再用禁忌搜索算法继续优化,如此反复。