论文部分内容阅读
Docker是一种开源的云计算应用容器引擎,由于具有使得数量巨大的应用程序在已有的服务器上运行的能力,而受到广泛的关注。将Docker技术与微服务相结合可以显著改善性能,但与此同时也带来了如何有效部署的问题。本文在多目标人工蜂群算法(MOABC)的基础上,使用改进的MDA(Marginal Distribution Algorithm)算法作为邻域搜索策略,提出了一个称为MOMDA-ABC(Multi-Objective Marginal Distribution Algorithm ABC)的算法。该算法能够减少部署着微服务的Docker容器间的通信距离和主机数,从而使得云计算平台的性能得以有效提升。MOMDA-ABC的特点在于利用MDA构建Con组用于建立变量的关系作为邻域搜索策略,以此解决离散型多变量相关的优化问题。同时改进虚拟化部署问题传统的二进制编码方式,使得空间复杂度由O(N*n*m)降低到O(N*m),从而降低了算法的运行时间。分布估计算法是将基于群体的进化策略与概率统计相结合,从而能够使得分布估计算法能够很好的处理复杂的优化问题,在这篇论文中提出的MOMN-EDA算法利用Markov网络模型作为概率模型,通过改进概率模型较少的选择变量数量以进行新个体的生成。实验结果也证明该方法的有效性。这项研究的意义在于,提出两种求解多变量相关的多目标优化问题,不仅有效的解决了由Docker平台部署微服务所带来的优化问题,而且有利于促进多变量相关的多目标优化问题的深入研究,对多变量相关的多目标优化问题的实际应用具有重要的意义。