基于改進粒子群算法的虛擬機調度策略研究

高玉嬌

摘要：目前，云計算發(fā)展之迅速使得云計算系統(tǒng)的應用越來越廣泛，而云計算資源調度算法作為云計算研究的核心內容，當前許多科研工作者已經(jīng)對其進行了大量深入的研究。從云計算系統(tǒng)的負載均衡和提高資源利用率的兩方面出發(fā)，首先建立一種新的資源利用率均衡模型，其次優(yōu)化基本粒子群算法，再用優(yōu)化后的PSO算法求解改模型，并通過云計算仿真平臺CloudSim對此算法和模型進行仿真和驗證。

關鍵詞：云計算;資源利用率均衡模型;PSO算法;CloudSim仿真

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.16723198.2019.04.086

0引言

在云計算環(huán)境中，合適的調度算法和模型，是實現(xiàn)其資源利用率均衡和提高資源利用率的一個方法。云計算資源調度的目標就是根據(jù)用戶提交的任務請求，在保障云平臺達到系統(tǒng)內部負載均衡的前提下實現(xiàn)資源的最優(yōu)調度。

實現(xiàn)資源的最優(yōu)調度問題是一個最優(yōu)化問題，即如何在滿足約束條件下選擇一個最優(yōu)的方案。近年來，人們通過對社會型生物群體行為的模擬提出了一類新型的生物啟發(fā)式計算方法—群體智能算法。其中具有代表性的PSO算法是由Kennedy和Eberhart于1995年首次提出的，并由于其諸多優(yōu)點，在諸多領域獲得了成功應用。

1資源利用率均衡模型的建立1

從圖1的比較可以看出，在虛擬機數(shù)量一定的情況下，隨著用戶任務數(shù)的增加，兩種算法的最大完成時間均有所增加，但改進后的PSO算法那始終優(yōu)于基本PSO算法，并且隨著用戶任務數(shù)量的增加，其完成時間相對于用戶數(shù)量少時減少的越多，故本文改進后的PSO算法收斂速度相對基本PSO算法更快，更容易搜索到全局最優(yōu)值，不會過快陷入局部最優(yōu)。

實驗二：虛擬機數(shù)量對完成時間的影響。

當任務數(shù)量一定時，分別取任務VM=20，40，60，80，100，用戶任務數(shù)量為200個，仿真次數(shù)設置為500，比較兩個算法（基本PSO算法及本文改進PSO算法）進行任務調度所需總完成時間。結果如圖2，表示不同虛擬機數(shù)量對應兩個算法的完成時間的影響。

從圖2的比較可以看出，在用戶任務數(shù)量一定的情況下，隨著虛擬機數(shù)量的增加，兩種算法的最大完成時間均有所減少，但改進后的PSO算法也始終優(yōu)于基本PSO算法，故本文改進后的PSO

由圖3可知，本文的模型函數(shù)在用不同算法尋求最優(yōu)值的過程中，本文提出的改進后的PSO算法收斂速度更快，迭代次數(shù)較基本PSO算法更少，并且很容易找出全局最優(yōu)解。驗證了本文提出的改進后PSO算法的有效性。

4總結

本文針對云計算環(huán)境中的虛擬機調度算法進行了初步研究，在前人對基本PSO算法的研究上，提出了一種改進PSO算法。另外，根據(jù)物理服務器資源率不均衡的特點，提出了資源利用率均衡模型，并用改進優(yōu)化后的PSO算法進行求解。最后，根據(jù)云計算仿真平臺的CloudSim系統(tǒng)，對不同用戶任務數(shù)完成時間的影響、不同虛擬機數(shù)量對算法完成時間的影響以及不同算法仿真模型的優(yōu)化迭代過程三方面進行了仿真，從多方面證實了優(yōu)化后PSO算法更加有效。但是本文沒有考慮云計算環(huán)境中的能耗及成本問題，所以在未來的研究工作中，我們將進一步對云數(shù)據(jù)中心的能耗問題進行研究。

參考文獻

[1]田文洪，趙勇.云計算一資源調度管理[M].北京：國防工業(yè)出版社，2011.

[2]Kennedy J.Eberhart R.Particle swarm optimization. Proceedings of IEEE International Conference on Neural Networks[J].Piscataway：IEEE Service Center，199519421948.

[3]M.Clerc.The swarm and the queen： towards a deterministic and adaptive particle swarm optimization[C].Proceedings of IEEE International Conference on Evolutionary Computation（CEC 1999），Piscataway，NJ：IEEE Press，1999：19511957.