基于包簇映射架构的包漂移策略研究

数据中心资源分配问题一直以来都是国内外研究的热点问题。鉴于此,在包簇框架下提出一种包漂移策略。该策略首先利用“包簇”模型的分层思想降解虚拟机与服务器之间的映射复杂度,根据簇上资源负载,采用模糊C均值聚类方法(FCM)对其进行分区;然后根据最大相关性算法选择包加入待漂移队列,并设置该队列中包的处理优先级;最后依据漂移成本和资源匹配度构建概率模型为待漂移包挑选最佳的目标簇。在CloudSim仿真平台对文中包漂移策略进行实验仿真,结果表明该方案能有效提高数据中心服务质量和资源利用率,同时在降低能耗方面也有不错的表现。     

包簇映射框架下的云资源分配优化算法研究

在云数据中心,资源分配是云计算系统应用中的核心技术。当前云计算资源在分配过程中,或多或少存在收敛慢、易早熟、资源分配效率低等缺点。为了解决该问题,引入包簇映射框架,提出基于混沌扰动遗传算法。该算法是将遗传算法和混沌搜索机制相结合,以降低成本和提高资源分配效率为目标,利用个体之间的差异性对种群进行初始化,改进种群的交叉变异和适应度函数。通过贪心修正进行合理的云资源分配,采用仿真软件CloudSim进行实验,对其性能进行实验分析。实验结果表明,该方法可以有效提高资源分配效率和收敛速度,具有较好的广泛应用价值。     

基于能耗感知的包簇资源分配算法研究

随着数据中心的扩大,现有的云计算资源的分配与调度机制,带来了许多庞大的工作调度问题,针对该问题,本文采用基于包簇框架的资源调度分配方式,并在此框架上,通过提出非线性能耗模型,在最大限度地不违背服务级别协议(SLAS)的情况下,并且同时以降低能耗为目标,提出基于BFDP(Best-Fit-Decreasing-Power)算法进行包簇资源的分配。通过实验表明,基于本文提出的包簇框架的能耗感知算法比较其他的适应算法,簇的使用个数降低,能耗根据系统各组件的利用率增高而降低。     

基于包簇映射机制的实验平台建设及应用

从一般云平台和项目的实际需求出发,结合包簇架构,利用CloudStack开源云平台,设计一种基于包簇映射机制的实验平台。该实验平台采用分层的设计方法,包含硬件设施层、虚拟资源层、调度层、包簇中间件层以及用户应用层,将传统以虚拟机形式的资源申请转换成以需求包的形式进行申请,同时用户可以指定其需求包结构及每个包所需的物理资源。通过对云平台调度原理的分析,阐述如何将项目中涉及的包簇部署算法应用到该实验平台中,为后续改善项目的研究成果提供实验依据。最后选取云计算管理平台的6种重要的管理功能,通过对基于包簇机制的实验平台和CloudStack、OpenStack这2种云管理平台进行整体功能测试,结果表明本文的包簇实验平台提供了较全面的管理功能,具有一定的应用市场。     

基于多目标演化算法的云计算虚拟机分配策略研究

分析云计算虚拟机资源模型,针对模型中虚拟机与物理机的映射关系以及虚拟机多资源因子、多优化目标的特点,将虚拟机分配问题转化成多维装箱问题,引入多目标演化算法进行求解。算法设计了基于组的虚拟机分配链式编码和染色体评估函数,并根据编码设计了两种交叉算子和智能变异算子,通过引入基于超体积的种群更新机制,设计了基于SMS-EMOA的云计算虚拟机分配算法。为验证SMS-EMOA的性能,分别使用优先匹配启发式算法、基于物理节点数量的单目标简单遗传算法、SMS-EMOA进行了模拟。实验结果表明,基于SMS-EMOA的虚拟机分配算法在性能上更优。     

面向多租户的门户资源管理框架

为了提高企业信息门户中间件平台的资源利用率,提出了一个面向多租户架构的资源管理框架。针对门户应用场景中资源的特点,在建立资源模型的基础上,通过元数据描述租户与资源的映射关系,并针对不同类型的资源,提供相应的资源共享和隔离机制。在提高资源利用率的同时,向资源使用者屏蔽对租户敏感资源的访问细节,简化多租户环境中逻辑资源的管理问题。将该框架应用于OncePortal门户中间件,并在此基础上进行了实验分析,结果表明了框架的可行性和有效性。     

基于演化算法的资源包投放优化

自然灾害中救援包的投放、高效的军事打击等现实情况都涉及资源包优化投放问题,但资源包的优化投放问题作为NP-hard问题,用传统的搜索方法很容易陷入局部最优,所以设计高效的现代启发式算法解决该问题显得尤为重要。本文提出一种通过区域分类、应用启发式算法及线性规划来解决该问题的方法。实验分别采用演化算法和遗传算法实现对资源包落点的确定。实验结果表明,应用演化算法的方法可以更高效地处理资源包优化投放问题。     

一种基于基因重组策略的遗传算法

为了克服标准遗传算法的早熟现象,提高遗传算法的全局收敛性,文章提出了一种基于基因重组策略的遗传算法,该算法定义了一种新的交叉算子,即移位逻辑交叉算子(包括循环移位交叉算子和洗牌移位交叉算子),用它们对染色体的部分基因实现有规律的重组。实验结果表明,该算法比经典的遗传算法具有更好的收敛性和稳定性。     

基于混合编码的差异演化算法解0-1背包问题*

针对典型的一类NP完全问题——背包问题,提出一种混合编码的差异演化求解方法。该方法基于差异演化算法框架,采用混合编码机制,每个决策变量均由一个实数和一个二进制数的组合表示。利用新定义的映射算子,构建混合编码的种群;增加边界约束处理算子,确保变异算子计算结果满足边界约束条件;利用新定义的丢弃算子对于不可行的装包策略进行修正。通过数值仿真实验,将该方法与遗传算法、二进制差异算法的计算结果比较分析,表明该算法求解背包问题的有效性与适用性。     

基于模式比较的遗传算法

在分析了模式阶、模式定义长度和种群多样性三者之间关系的基础上,提出一种新的基于模式比较的遗传算法。该算法的核心在于,使用配对算子来提高子代种群的多样性。配对算子不像简单遗传算法那样随机选择配对,而是根据模式阶和模式长度对染色体进行配对。实验结果表明,该算法有效地避免了简单遗传算法中因种群多样性较差而造成的早熟现象,显著地提高了收敛速度和搜索全局最优解的能力。     

基于资源拆分的虚拟网络功能服务链映射算法

针对网络虚拟化环境下虚拟网络功能服务链的资源分配以及部署问题,提出了基于资源拆分的虚拟网络功能服务链部署策略。通过对租户的资源需求进行主动拆分,利用更小的资源分配粒度达到提高物理资源利用率的目的。利用最优化理论将虚拟网络功能服务链的资源分配问题建模成具有链式拓扑结构的虚拟网络映射问题,并通过设计高效的启发式算法以有效地解决这一问题。实验结果表明,该算法与其它虚拟网络映射算法相比,能有效提高物理资源的利用率以及租户请求的接收率。     

基于云网络架构的虚拟网络映射算法研究

云网络架构采用控制与转发分离机制实现了资源的灵活分配,为了满足云网络架构的资源分配符合多业务的资源需求,提出了一种基于云网络架构的虚拟网络映射算法,提高了资源利用率。建立的虚拟网络映射算法模型,给出了虚拟网络映射算法的约束条件和优化目标。针对语音、视频和数据3种业务进行了仿真,结果表明,提出的算法提高了控制资源利用率、转发资源利用率和链路资源利用率。     

一种虚拟路由器资源映射算法研究

网络虚拟化技术的提出,为解决互联网"僵化"问题找到了新的思路,受到广泛的关注。在虚拟路由器平台中,若干台互联的网络服务器资源组成了底层物理网络,通过虚拟网络映射技术,将物理网络资源有效地映射到虚拟网络设备上,组成多个虚拟网络,满足用户对网络的多样化需求。虚拟路由器资源映射问题是虚拟网络映射问题的基础,虚拟路由器实例与物理资源的映射方法决定了虚拟网络平台资源的利用率和虚拟网络系统的性能。针对虚拟路由器平台资源分配的问题,提出了物理网络资源模型和虚拟路由器资源请求模型,设计了一种启发式虚拟路由资源分配算法,并对算法的复杂性和优化目标进行了分析。     

A Global Optimal Mapping Method of Network based on Discrete Optimization Firefly Algorithm

In order to solve the current network rigidity and optimize the resource requirements of multiple virtual networks for synchronous mapping, improve the success rate of virtual network mapping requests, the long-term revenue and overhead ratio of the substrate network, node resource utilization rate and link resource utilization rate. A global optimal mapping method based on discrete optimization firefly algorithm is presented. Analyze the problem of virtual network mapping, map virtual nodes to physical nodes, and map virtual links to physical paths. According to the resource constraints of the virtual network and the substrate network, a multi-objective optimization model of the virtual network mapping is constructed, and the discrete fireflies optimization algorithm is used to obtain the global optimal solution of the virtual network mapping model to achieve the optimal allocation of global resources. The experimental results show that the discrete optimization firefly algorithm has a good performance in solving the virtual network mapping problem, and can effectively improve the virtual network request acceptance rate, node resource utilization rate, link resource utilization rate, and long-term revenue and cost ratio of the substrate network, ensuring Optimization of virtual network resources.     

基于改进蚁群算法的虚拟网络映射优化

优化了基于改进蚁群算法的虚拟网络映射结果。以最优化应用底层网络的资源,提升虚拟网络映射底层网络的资源利用效率为研究目标,在不需要支持路径分裂底层网络的情况下,提出一种新的基于改进蚁群算法的虚拟网络映射。通过引入高斯过程模型,加快蚁群优化算法的收敛速度,满足实际应用的实时性要求;并且以映射开销作为适应度函数,最终解决虚拟网络映射问题。实验结果表明,在满足相同准确度的前提下,该算法显著地降低了算法的求解时间,发挥了积极影响。     

基于粒子群算法和RBF神经网络的云计算资源调度方法研究

为了获得云计算资源调度的多目标优化方案,提出了一种云计算资源的动态调度管理框架;然后给出了本系统的基本架构形式,并对其进行了详细设计;其次,建立了以提高应用性能、保证云应用的服务质量和提高资源利用率为目标的多目标优化模型,并结合最新的RBF神经网络和改进粒子群算法对其求解;最后,在CloudSim平台进行了仿真,实验结果表明提出的框架及算法能有效减少虚拟机迁移次数和物理结点的使用数量,在提高资源利用率的同时,能保证云应用的服务质量。     

面向物联网的能耗感知虚拟网络映射算法

物联网中传感器节点间规模庞大的数据交互使得能耗过大问题日趋严重,传统能耗感知算法无法适用于节点能耗不均的物联网环境。针对该问题,重新构建基于无线传感器网络的能耗模型,在考虑节点异构性和链路时效性的同时保证能耗最小。在此基础上,提出一种改进的能耗感知虚拟网络映射算法,在节点映射阶段,基于最接近剩余容量原则将虚拟节点映射至同类型且能耗最小的物理节点上,并为不同时延下的链路分配合适的资源。仿真结果表明,相比EA-VNE、EA-VNEH算法,该算法通过资源整合的方式,可以提高底层资源利用率,降低虚拟网络映射能耗,且随着引入参数的增加,能够实现更细粒度的资源分配。     

基于网络资源相关性的虚拟网络映射算法

针对网络虚拟化环境中资源利用率较低的问题,通过建立资源相关性度量模型,刻画虚拟节点和物理顶点之间的匹配程度,根据虚拟节点和物理顶点之间的资源相关性,将虚拟节点映射到资源相关性较强的物理顶点上;为了降低虚拟链路的映射路径长度,通过建立节点间邻接关系模型,将相邻的虚拟节点映射到邻接的物理顶点上。实验结果表明,提出的虚拟网络映射算法均衡了物理网络资源的分布状态,降低了虚拟网络映射的资源代价,提高了虚拟网络请求接受率。     

具有高可靠特征的无线虚拟网络映射方法研究

针对虚拟网络映射过程中链路资源受限和网络生存性问题，分别提出一种基于节点扩展资源的节点映射方案和一种虚拟网络重映射方案。为克服节点映射后链路映射阶段的资源不足问题，通过将节点扩展资源大的节点作为承载节点以确保链路映射的可靠性和高效性，链路映射阶段采用一种基于最小链路代价的映射方案以获得高可靠映射，在此基础上针对网络故障采取一种重映射策略，将失效节点迅速重映射至候选节点集中以确保虚拟网络服务的连续性。通过仿真对几种算法性能进行对比，结果表明所提算法在虚拟网络映射成功率、虚拟网络恢复成功率和资源负载利用率等方面均取得较好结果。     

基于遗传算法的业务过程资源配置优化

应用遗传算法对业务过程资源配置进行优化,解决企业为业务过程分配资源的合理性问题以及业务过程在有限资源条件下对资源的有效利用问题.在算法中采用活动执行方案矩阵表示活动持续时间和资源配置之间的关系,解决配置参数量化描述问题;应用自然数编码和改进的遗传算子克服传统算法在处理业务过程资源配置参数离散分布方面的局限性;通过分层优化的方式避免对无效配置方案的分析,有效解决参数之间的约束问题.仿真实验结果表明方法求解有效,能够为决策者提供满意的资源配置方案.