基于布谷鸟搜索算法的云计算资源分配方法

以时间和成本为优化目标,建立基于布谷鸟搜索算法的云计算资源分配方法,并在CloudSim平台下进行仿真分析.结果表明,迭代20代就可以找到最优解,对应的适应度值为219,完成请求任务的成本为360,完成请求任务总时间为78s.由此可见,基于布谷鸟收敛算法的云计算资源分配方法是有效的,可以解决云计算资源分配问题.     

SaaS应用中基于SLA的资源分配研究

随着云计算的普及,软件即服务(Software as a Service,SaaS)得到了广泛的关注.SaaS应用中,需要满足客户服务等级协议(Service Level Agreement,SLA)要求、减少SLA服务违例的同时,尽量提高系统资源的利用率,这对资源分配策略提出了挑战.提出了SaaS模式下的基于SLA的资源分配策略:基于对客户请求动态变化的分析,针对"首次租用服务"和"租用服务升级"两种请求类型,提出了一种用户请求与底层资源的映射策略;提出了提高虚拟机重用度的基于SLA的资源效率优化分配算法.实验表明,该资源分配算法可以在有效保证服务质量的同时,提高资源的利用率.     

面向异构集群的作业调度与资源分配研究

提出一种面向异构集群的作业调度与资源分配策略,在异构资源实时监控的基础上,实现了作业的有效调度,进而在作业执行阶段,采用基于二部图的最小权匹配的资源分配算法,实现异构资源到执行任务的合理部署与配置.以医学科学计算为背景,搭建了异构云计算环境,并进行了仿真实验.实验结果显示:提出的算法实现了预期的目标,有效弥补了现有同构作业调度算法的缺陷与不足.     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

基于频谱切片的弹性光网络中可调度请求资源分配算法

针对确定业务开始时间和结束时间特性的可调度请求加重了弹性光网络的资源碎片率和带宽阻塞率的问题,设计了一种配置频谱切片机的弹性光网络节点结构,并提出一种基于频谱切片的可调度请求路由频谱和时间分配(SS-RSTA)算法。在路由选择阶段,设计了一种综合考虑路径长度、路径碎片率和节点可用频谱切片机数量的路径权重值的路由选择策略,为可调度请求选择路径权重值最大的路由;在资源分配阶段,采用链路的资源碎片感知方法为可调度请求选择可用的频谱和时间资源窗口;当资源分配失败时,采用频谱切片准则将可调度请求切分为多个子带宽请求,以增加可调度请求频谱分配成功的概率,提高频谱-时间碎片的利用率。仿真结果表明,所提算法可改善网络的带宽阻塞率和提高网络的频谱利用率。     

基于服务质量的动态资源分配算法

在网络虚拟化过程中,当前大多数物理资源分配算法,主要考虑了资源利用率和网络收益,而忽略了虚拟网络请求的服务质量,从而在不同用户之间造成不公平。针对该问题,提出基于服务质量的动态资源分配算法。该算法在空闲时频资源非连续情况下,只有当虚拟网络请求的生命周期足够长,满足重分配影响因子情况下,才优先为资源量小的虚拟网络请求重分配物理资源;在空闲时频资源连续情况下,综合考虑优先级、时间容忍和网络收益因素影响,为虚拟网络请求分配相适应的物理资源。仿真结果表明,该算法相对于传统基于生命周期的动态资源分配算法和贪婪动态分配,在实现物理资源高效利用的前提下,不但保障了虚拟网络请求的服务质量,而且降低了该算法的运行时间。     

SDM-EONs中分层图辅助的资源分配策略

为降低空分复用弹性光网络(SDM-EONs)资源分配过程中的芯间串扰,并减少光路频繁拆建所产生的时间和频谱维度碎片,提出了一种分层图辅助的路由、纤芯和频谱分配策略.该策略主要分为离线预测与在线调度两个阶段:首先结合网络中业务序列的时间特性,利用基于门控循环单元的循环神经网络模型完成未来业务属性的离线预测;然后根据图染色理论建立考虑芯间串扰的分层图架构三维网络资源模型;最后利用离线预测结果和分层间的不同特性,设计综合度量时间和频谱维度的自适应在线资源分配算法,从而实现资源的高效调度.仿真结果表明:该策略在提高资源利用率的同时,显著降低了网络芯间串扰和阻塞率.     

基于互补机制的虚拟机放置算法

有效的虚拟机放置算法可以优化分配计算资源,提高云计算资源的利用效率。通过分析资源分配中存在的问题,提出了一个基于互补机制的虚拟机放置算法。首先基于虚拟机之间的资源互补关系,将资源粒度较小的虚拟机组合成为新的虚拟机,然后基于虚拟机和服务器之间的资源互补关系,依次将虚拟机放置到互补的服务器中,使服务器中各个资源量呈现均衡分布状态。仿真结果表明,CBVMP算法降低了运行的服务器个数和数据中心的能耗,提高了云计算资源的利用效率。     

基于风险的云计算环境用户效用分析

通过分析云计算环境中资源分配和用户任务请求的过程,提出了云计算环境中的用户效用函数,并引入风险对云计算服务和资源由于被非授权访问造成的损失进行量化,得出了基于风险的用户期望效用函数.最后,通过仿真实验论证了任务执行数与用户需求,时间,费用和用户效用之间的关系.从仿真实验可以看出,用户的一次提交的任务数存在一个理想值,在...     

基于聚类蚁群算法的虚拟机资源分配算法研究

深入分析云计算环境下虚拟机资源调度分配的调度结构及与之对应的调度策略和算法后,结合云计算资源分配的最新研究成果和发展趋势,研究出一种基于聚类算法和蚁群算法的虚拟机资源分配算法.该算法基于Map/Reduce框架提出,着眼于如何为众多不同的用户任务分配虚拟机节点,充分考虑云计算环境中物理机的地域差异.在一个物理机区域内寻找分配虚拟机资源时引入蚁群算法,能更好地确保用户任务的按时完成,任务执行时间跨度方面满足服务等级协议(SLA).     

基于电力物联网的边缘计算任务卸载优化

为了解决传统卸载模型仅涉及用户设备和边缘计算资源,而在云端资源利用上存在局限性的问题,通过有效利用计算任务时延、能耗及计算资源配置,提出了基于深度强化学习算法的计算任务卸载策略和资源配置优化算法,建立了边云协同的时延、能耗及能效模型,研究了用户设备数量、任务量、任务优先级等对时延、能耗及能效的影响。结果表明：边缘计算服务器资源配置为30 GHz较为合理;高级计算任务优先处理策略和计算资源优化分配,使得时延、能耗均较低;所提出的优化算法在时延、能耗及能效方面均优于其他3个对比算法,表明针对不同用户设备数量和计算任务量场景,所提出的优化算法和建立的模型能够更有效的实现基于电力物联网的计算任务卸载策略和资源配置优化。     

宽带多媒体卫星通信系统中的无线资源申请

系统分析了多媒体通信卫星网络MAC协议中的资源分配流程及资源申请时序关系,在此基础上,考虑卫星网络中的长延时环境,提出了一种基于流量预测的资源申请算法,以弥补现有算法严重滞后于流量变化的不足.该算法引入记录因子,对资源的申请与分配进行记录,以提高带宽的分配效率,减少带宽申请信令的数量,从而减少对网络资源申请的响应时间;将最小均方算法用于网络流量的预测,以削弱卫星链路长延时对网络资源申请造成的负面影响.仿真结果表明,该算法的性能大大优于现有的资源申请算法,在高负载度、长峰值传输时间的条件下,算法具有良好的适应性.     

移动云计算嵌套式两阶段博弈计算卸载算法

移动云计算中,移动设备需要决定哪些应用部分卸载至云端处理,即计算卸载决策问题。针对这一问题,提出了一种嵌套式两阶段博弈算法。第一阶段中,移动设备决策其服务请求至云端处理的部分;第二阶段中,云端系统根据所有移动设备的服务请求到达率决策服务请求处理的资源分配。移动设备的目标是最小化功耗和服务请求响应时间,而云端系统的目标是最大化收益。基于向后归纳原则,利用凸优化方法求解了嵌套式两阶段博弈过程中移动设备和云端系统的最优策略,并证明算法可以产生唯一Nash均衡解。实验结果表明,比较基准算法,嵌套式两阶段博弈算法可以使移动设备同步降低平均功耗和平均服务请求响应时间分别约21. 8%和31. 9%。     

基于层次拓扑树的虚拟机节能分配算法

为了均衡分布式数据中心物理主机多维资源的利用率,减少物理主机使用数量,节约能耗,提出了一种基于层次拓扑树的虚拟机节能分配算法HTES(hierarchical topology energy saving),此算法可以有效提升虚拟机分配效率.利用Laplacian矩阵,对大规模网络拓扑分割,建立了层次拓扑树模型.基于层次拓扑模型,根据虚拟机请求中IP地址与数据中心的距离,将虚拟机请求分组,从层次拓扑树模型中查询合适的物理主机区域,按虚拟机请求与物理主机的资源匹配度进行虚拟机的分配.将HTES与其他3种算法进行模拟仿真实验,从虚拟机分配时间、资源均衡率、能耗和物理主机使用情况等方面验证了HTES算法能够有效加快物理主机搜索速度,增加底层占用物理主机的集中度,降低底层物理主机的使用数量,达到节约能耗的目的.     

云计算中基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配虚拟机（virtual machine,VM）。针对这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用的问题,提出一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是“流体”资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于并行工作负载存档（parallel workload archive,PWA）的真实工作负载数据进行了仿真实验,结果表明该方法可保证为云供应商带来更高收入,提高资源利用率。     

基于多目标优化的虚拟机放置方法

在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。     

云计算环境下浮点和整数同时多线程资源配置方法研究

云计算环境下数据规模较大,当前资源配置方法依据优先级、按照顺序对资源进行配置,具有资源利用率低、配置效率低、能耗高等弊端。为此,提出一种新的云计算环境下浮点和整数同时多线程资源配置方法,分析了计算操作和访存操作的并发性,给出云计算环境下和每片外访存load操作相应的发射执行指令数的定义,得出在相同时间段内IPM值越大,计算型与访存型操作同时执行的机会越大,资源配置性能越高的结论。依据该结论,通过IPM实现云计算环境下浮点和整数同时多线程资源配置,将较多的资源分配至IPM值较大的浮点或整数线程中,将较少的资源分配至IPM值较小的浮点或整数线程中,使得云计算环境下的共享资源得到最佳配置。利用实验测试所提方法的实际应用性能。实验结果表明,所提方法资源利用率高、能耗损失低、资源配置效率高,整体资源配置性能很高。     

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的 碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。 对云数据中心的虚拟机放 置(Virtual Machine Placement, VMP)进行优化能有效地提高资源利用率,同时,VMP 也是减少数据中心能耗的重 要技术之一;针对数据中心的能耗感知 VMP 问题,提出一种基于分组遗传算法的节能算法 EEGGA (Energy - Efficient Grouping Genetic Algorithm),算法将节能 VMP 问题视为装箱问题(Bin Packing Problem,BPP),并应用基于 分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标; 在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能 性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法 进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其 他算法。