基于改进蚁狮算法的虚拟机放置方法

摘要: 虚拟机放置是虚拟机整合过程中的关键步骤,虚拟机放置方法的好坏往往会影响云数据中心的资源使用效率和性
能,这类问题可以通过建立多目标优化模型来进行求解。当前云数据中心存在能耗高、资源利用率较低以及资源碎片化的
情况。针对上述情况,提出了一种基于MALO算法的虚拟机放置策略。通过建立多目标多约束的虚拟机放置模型,对能
耗、资源利用率和资源碎片化3个方面进行优化。并且在蚁狮算法的基础上,通过改进解空间的边界变化策略和蚂蚁随机
游走的位置选择策略,最后对蚂蚁位置越界进行修正,使得种群的多样性能得到更好保证,这样能更好地跳出局部最优解。
基于虚拟机放置平台对MALO算法和另外4种虚拟机放置算法进行仿真实验,实验结果表明,相比于蚁狮算法、BRC算
法、MBFD算法和FFD算法,MALO算法在降低能耗、提高资源利用率以及减少资源碎片化方面有一定的提升效果。