[发明专利]一种基于粒子群优化的虚拟机分配方法

摘要

本发明涉及云计算（IaaS）技术领域，特别是一种基于粒子群优化的虚拟机分配方法，包括如下步骤：获取数据中心的虚拟机请求和物理主机资源，构建虚拟机列表和物理主机列表；初始化粒子群，设置粒子群算法的参数；计算粒子群中每个粒子的适应度值，根据粒子适应度值，记录个体历史最优粒子和种群最优粒子；根据更新策略，更新每个粒子的速度和位置；判断是否满足最大迭代次数，是则输出全局最优粒子编码，否则继续迭代；将全局最优粒子编码解码成虚拟机分配方案，并输出方案。该方法能够在减小响应时间下提高资源利用率，同时在负载均衡度和能耗之间达到了更好的平衡。

主权项

1.一种基于粒子群优化的虚拟机分配方法，其特征在于，包括如下步骤：步骤A：获取数据中心的虚拟机请求和物理主机资源，构建虚拟机列表和物理主机列表；步骤B：初始化粒子群，粒子的维数等于虚拟机列表长度，粒子中每一维的值等于从物理主机列表中选择的主机的编号；设置粒子群算法参数，包括粒子数量、惯性因子、认知能力因子、社会学习因子、迭代次数、种群规模、粒子维数、粒子速度控制范围；步骤C：计算粒子群中每个粒子的适应度值，根据粒子的适应度值，记录个体历史最优粒子和种群最优粒子；步骤D：根据更新策略，更新每个粒子的速度和位置；步骤E：判断是否满足最大迭代次数，是则输出全局最优粒子编码，并转下一步，否则返回步骤C，继续迭代；步骤F：将全局最优粒子编码解码成虚拟机分配方案并输出；所述步骤C中，计算每个粒子的适应度值，具体包括以下步骤：步骤C1：计算每个粒子所表示的虚拟机分配方案的物理资源利用率大小；步骤C2：计算每台虚拟机的响应时间然后对所有虚拟机的响应时间采用Z‑score标准化方法进行归一化处理；步骤C3：计算每个粒子所表示的虚拟机分配方案的响应时间；步骤C4：计算每个粒子的适应度值，适应度值为粒子所表示的虚拟机分配方案的物理资源利用率和响应时间的加权和；所述步骤D中，根据更新策略，更新每个粒子的速度和位置，包括以下步骤：步骤D1：更新粒子的速度，其计算公式为：vij(t+1)＝wt·vij(t)+c1·r1·(pbestij(t)‑xij(t))+c2·r2·(gbestj(t)‑xij(t))其中，vij(t+1)表示第t+1次迭代时粒子的速度，vij(t)、xij(t)、pbestij(t)、gbestj(t)分别表示第t次迭代时粒子的速度、位置、个体最优粒子位置、种群最优粒子位置，c1、c2是学习因子，r1、r2是介于(0,1)之间的随机数，wt是惯性因子，其计算公式为：其中，MAX_ITERATION是迭代次数，wmax,wmin为算法输入参数，表示惯性权重的上下限，t表示第t次迭代；步骤D2：更新粒子的位置，其计算公式为：xij(t+1)＝xij(t)+vij(t+1)其中，xij(t+1)、vij(t+1)分别表示第t+1次迭代时粒子的位置和速度，xij(t)表示第t次迭代时粒子的位置；步骤D3：判断粒子是否满足变异概率，其方法是：利用Rand()函数随机生成[0,1.0]之间的实数，判断是否小于设定的变异概率，是则转步骤D4，否则转步骤D5；步骤D4：对粒子运用变异策略；步骤D5：对粒子进行编码；步骤D6：采用解码法解决资源约束不满足的情况；步骤D7：比较Xi和Xi_new的适应度，选择适应度值较大的粒子继续迭代。