基于改进遗传算法的虚拟机初始化部署算法研究

摘要

云计算，源于分布式、普适计算等，使用虚拟化、负载均衡等技术，以较高的灵活性、按需服务以及支持个性配置等特点，为用户提供计算服务并已取得较好的社会和经济效益。随着云计算规模的扩大，能源消耗过大、资源利用率不高、负载不均衡等问题愈加凸显，如何提高资源的利用率，均衡数据中心的整体负载，亟待更进一步的研究。
　　虚拟机的初始化部署是在用户请求一定的服务后，云计算数据中心建立任务列表，将任务与虚拟机一一对应，然后通过虚拟机资源管理模块，调用自定义的虚拟机部署方案，将具有多个维度资源请求的虚拟机部署到拥有合适资源容量的物理机上。针对这种一对多的映射问题，选择改进的遗传算法进行优化，以均衡数据中心负载为优化目标，设计基于负载均衡的适应度函数，以此为选择优秀个体的标准，逐代进化，引导搜索方向。为了将遗传算法应用于虚拟机部署问题，对部署方案进行抽象，选择合理的实数编码方式，便于后期操作。并对相关遗传算子进行改进，避免算法过早完成搜索，陷入局部最优，提高最终解的优质程度。采用随着进化过程变化的交叉、变异概率参数，提高算法的动态适应能力。
　　通过在仿真平台CloudSim上模拟相应的虚拟机初始化部署过程，设计并实现多个对比实验，实验结果验证了改进后的算法在均衡数据中心负载方面具有优异的效果，可行性较高。

目录

声明

1 绪论

1.1 研究背景与目的

1.2 虚拟机初始化部署研究现状

1.3 论文的主要内容

1.4 本文的组织结构

2 相关概念与技术

2.1 云计算的体系结构

2.2 云数据中心

2.3 负载均衡

2.4 传统遗传算法

2.5 研究思路

2.6 本章小结

3 基于改进遗传算法的虚拟机初始化部署策略

3.1 问题描述

3.2 编码与解码

3.3 种群初始化

3.4 遗传算子优化

3.5 自适应性概率

3.6 基于负载均衡的适应度函数

3.7 算法终止准则

3.8 算法描述

3.9 本章小结

4 系统设计和实现

4.1 CloudSim平台体系结构

4.2 改进的遗传算法的设计和实现

4.3 本章小结

5 实验仿真与结果分析

5.1 实验环境

5.2 虚拟机初始化部署实验流程

5.3 本章小结

6 总结与展望

6.1 全文总结

6.2 课题展望

致谢

参考文献