基于改进粒子群算法的虚拟机调度策略研究

高玉娇

摘要：目前，云計算发展之迅速使得云计算系统的应用越来越广泛，而云计算资源调度算法作为云计算研究的核心内容，当前许多科研工作者已经对其进行了大量深入的研究。从云计算系统的负载均衡和提高资源利用率的两方面出发，首先建立一种新的资源利用率均衡模型，其次优化基本粒子群算法，再用优化后的PSO算法求解改模型，并通过云计算仿真平台CloudSim对此算法和模型进行仿真和验证。

关键词：云计算;资源利用率均衡模型;PSO算法;CloudSim仿真

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.16723198.2019.04.086

0引言

在云计算环境中，合适的调度算法和模型，是实现其资源利用率均衡和提高资源利用率的一个方法。云计算资源调度的目标就是根据用户提交的任务请求，在保障云平台达到系统内部负载均衡的前提下实现资源的最优调度。

实现资源的最优调度问题是一个最优化问题，即如何在满足约束条件下选择一个最优的方案。近年来，人们通过对社会型生物群体行为的模拟提出了一类新型的生物启发式计算方法—群体智能算法。其中具有代表性的PSO算法是由Kennedy和Eberhart于1995年首次提出的，并由于其诸多优点，在诸多领域获得了成功应用。

1资源利用率均衡模型的建立1

从图1的比较可以看出，在虚拟机数量一定的情况下，随着用户任务数的增加，两种算法的最大完成时间均有所增加，但改进后的PSO算法那始终优于基本PSO算法，并且随着用户任务数量的增加，其完成时间相对于用户数量少时减少的越多，故本文改进后的PSO算法收敛速度相对基本PSO算法更快，更容易搜索到全局最优值，不会过快陷入局部最优。

实验二：虚拟机数量对完成时间的影响。

当任务数量一定时，分别取任务VM=20，40，60，80，100，用户任务数量为200个，仿真次数设置为500，比较两个算法（基本PSO算法及本文改进PSO算法）进行任务调度所需总完成时间。结果如图2，表示不同虚拟机数量对应两个算法的完成时间的影响。

从图2的比较可以看出，在用户任务数量一定的情况下，随着虚拟机数量的增加，两种算法的最大完成时间均有所减少，但改进后的PSO算法也始终优于基本PSO算法，故本文改进后的PSO

由图3可知，本文的模型函数在用不同算法寻求最优值的过程中，本文提出的改进后的PSO算法收敛速度更快，迭代次数较基本PSO算法更少，并且很容易找出全局最优解。验证了本文提出的改进后PSO算法的有效性。

4总结

本文针对云计算环境中的虚拟机调度算法进行了初步研究，在前人对基本PSO算法的研究上，提出了一种改进PSO算法。另外，根据物理服务器资源率不均衡的特点，提出了资源利用率均衡模型，并用改进优化后的PSO算法进行求解。最后，根据云计算仿真平台的CloudSim系统，对不同用户任务数完成时间的影响、不同虚拟机数量对算法完成时间的影响以及不同算法仿真模型的优化迭代过程三方面进行了仿真，从多方面证实了优化后PSO算法更加有效。但是本文没有考虑云计算环境中的能耗及成本问题，所以在未来的研究工作中，我们将进一步对云数据中心的能耗问题进行研究。

参考文献

[1]田文洪，赵勇.云计算一资源调度管理[M].北京：国防工业出版社，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.