论文部分内容阅读
云计算使得用户可以通过互联网来使用应用程序、计算、服务和存储。通常情况下，为确保计算效率以及智能手机的能源效率需要使用很多软件和硬件。近年来，随着科技不断进步，已经引入了许多新技术来最大限度地利用资源并降低成本。在数据中心中，云计算可以托管多种类型的异构虚拟机VM，并提供灵活性、安全性、支持以及比传统数据中心更好的维护等。在云计算中，需要解决
在云计算中需要考虑能源使用优化、资源利用、减少时间消耗以及虚拟机布局的优化等问题。为此，提出了一种新的多目标优化(MOP)算法MOSSASCA，该算法通过融合salp群优化（SSA）与正弦余弦算法（SCA）来提供适合的虚拟机部署（VMP）解决方案。提出的MOSSASCA算法的目标是最大化主机关闭（MTBHS）之前平均时间，以降低功耗，并最小化服务水平协议冲突（SLAV）。该算法使用MOP技术来改进了salp群优化和正弦余弦算法。SCA使用局部搜索方法来工作，从而避免陷入局部最优解，在通过提高收敛速度来提高传统SSA的性能。
为了评估MOSSASCA的性能，使用了不同数量的虚拟机和物理机器执行一系列实验。将MOSSASCA的结果与经典的方法进行比较，包括非支配排序遗传算法NSGA-II、多目标粒子群优化算法MOPSO、多目标分解进化算法MOEAD和多目标正弦余弦算法MOSCA。实验结果表明，MOSSASCA在解决MOP问题和实现这三个目标方面优于其他方法。与其他方法相比，MOSSASCA在提高MTBHS的同时具有更好的降低功耗和SLAV的能力。MOSCA、MOPSO、MOEAD和NSGA-II与MOSSASCA之间在功耗方面的主要差异分别为0.53、1.31、1.36和1.44。MOSSASCA的MTBHS值分别比MOSCA、MOPSO、MOEAD和NSGA-II高362.49、278.70、585.73和672.94，此外，提出方法的SLAV值比MOPSO、MOEAD和NSGA-II分别低0.41、0.28和1.27。
在云计算中需要考虑能源使用优化、资源利用、减少时间消耗以及虚拟机布局的优化等问题。为此，提出了一种新的多目标优化(MOP)算法MOSSASCA，该算法通过融合salp群优化（SSA）与正弦余弦算法（SCA）来提供适合的虚拟机部署（VMP）解决方案。提出的MOSSASCA算法的目标是最大化主机关闭（MTBHS）之前平均时间，以降低功耗，并最小化服务水平协议冲突（SLAV）。该算法使用MOP技术来改进了salp群优化和正弦余弦算法。SCA使用局部搜索方法来工作，从而避免陷入局部最优解，在通过提高收敛速度来提高传统SSA的性能。
为了评估MOSSASCA的性能，使用了不同数量的虚拟机和物理机器执行一系列实验。将MOSSASCA的结果与经典的方法进行比较，包括非支配排序遗传算法NSGA-II、多目标粒子群优化算法MOPSO、多目标分解进化算法MOEAD和多目标正弦余弦算法MOSCA。实验结果表明，MOSSASCA在解决MOP问题和实现这三个目标方面优于其他方法。与其他方法相比，MOSSASCA在提高MTBHS的同时具有更好的降低功耗和SLAV的能力。MOSCA、MOPSO、MOEAD和NSGA-II与MOSSASCA之间在功耗方面的主要差异分别为0.53、1.31、1.36和1.44。MOSSASCA的MTBHS值分别比MOSCA、MOPSO、MOEAD和NSGA-II高362.49、278.70、585.73和672.94，此外，提出方法的SLAV值比MOPSO、MOEAD和NSGA-II分别低0.41、0.28和1.27。