CN103491178A - 一种云数据中心自动选址方法及系统 - Google Patents
一种云数据中心自动选址方法及系统 Download PDFInfo
- Publication number
- CN103491178A CN103491178A CN201310449677.9A CN201310449677A CN103491178A CN 103491178 A CN103491178 A CN 103491178A CN 201310449677 A CN201310449677 A CN 201310449677A CN 103491178 A CN103491178 A CN 103491178A
- Authority
- CN
- China
- Prior art keywords
- data center
- cloud data
- address
- addressing
- mathematical modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种云数据中心自动选址方法及系统,该方法包括:根据云数据中心的选址标准建立云数据中心选址的数学模型;采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。本发明的方法和系统通过建立数学模型,结合启发式搜索算法从当前已有的云数据中心待选地址中综合各种因素,自动识别出最佳的云数据中心建设地址。
Description
技术领域
本发明涉及云计算领域,具体涉及一种云数据中心自动选址方法及系统。
背景技术
设计云数据中心像复杂的魔方游戏一样需要考虑的因素很多,特别强调地点才是这些因素中首先应该解决的问题。选址对于提高正常运营时间和控制成本来说是至关重要的。
在选择数据中心用地时,因为保证中心内服务器及各种设备能够持续、安全的运行是最起码的条件,所以应满足以下条件:
1.地基很牢固
2.发生火灾的危险性小
3.没有大雨等引起洪水的可能性
4.用地周围视野广阔
5.远离经常落雷的地区和变电所、输电线
6.远离空气污染地区
针对数据中心的选址,国内外的许多规范都给出选址的标准。国内电子计算机机房设计规范(GB50174-93)中要求符合以下要求:
在当前环境下,由于信息不对称,很多人决策的时候没有充分地考虑很多问题,同时由于比较缺乏系统的考察指标,造成凭感觉或者经验就决定了数据中心的选址。所以提出一种科学、高效、智能的云数据中心选址方法就显得尤为的重要。
发明内容
本发明需要解决的技术问题是提供一种云数据中心自动选址方法及系统,可以综合各种因素,在当前环境下识别出最佳的云数据中心建设地址。
为了解决上述技术问题,本发明提供了一种云数据中心自动选址方法,包括:
根据云数据中心的选址标准建立云数据中心选址的数学模型;
采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
进一步地,所述数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
进一步地,所述方法还包括:从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址;
所述根据云数据中心的选址标准建立云数据中心选址的数学模型时,建立如下数学模型:
minf(x)qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
进一步地,所述方法还包括:从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址;
所述根据云数据中心的选址标准建立云数据中心选址的数学模型时,建立如下数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
进一步地,所述启发式搜索算法为:模拟退火算法,所述采用模拟退火算法从当前已有的云数据中心待选地址中中求得所述数学模型的解作为所述云数据中心的最佳建设地址,包括:
A)确定初始温度,从所述数学模型的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
C)判断该目标值是否为当前最小值,如果是,则将该新解x’或xi’作为当前最优解,否则,将上一次求得的解作为最优解,将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)K*T(n),其中,T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
D)判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤B)。
为了解决上述技术问题,本发明还提供了一种云数据中心自动选址系统,包括:
数学模型建立模块,用于根据云数据中心的选址标准建立云数据中心选址的数学模型;
最佳建设地址求解模块,用于采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
进一步地,所述数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
进一步地,所述数学模型建立模块,用于从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
minf(x)qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
进一步地,所述数学模型建立模块,用于从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
进一步地,所述最佳建设地址求解模块,用于采用模拟退火算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址,包括:
A)确定初始温度,从所述数学模型的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
C)判断该目标值是否为当前最小值,如果是,则将该新解x’或xi’作为当前最优解,否则,将上一次求得的解作为最优解,将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)K*T(n),其中,T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
D)判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤B)。
与现有技术相比,本发明提供的云数据中心自动选址方法及系统,通过建立数学模型,结合启发式搜索算法从当前已有的云数据中心待选地址中综合各种因素,自动识别出最佳的云数据中心建设地址。
附图说明
图1是实施例中云数据中心自动选址方法流程图;
图2是实施例中结合模拟退火算法求得云数据中心自动选址的流程图;
图3是实施例中云数据中心自动选址系统的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
实施例:
如图1所示,本实施例提供了一种云数据中心自动选址方法,包括以下步骤:
S1:根据云数据中心的选址标准建立云数据中心选址的数学模型;
该数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
S2:采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
在实际实施本实施例时,会根据具体情况从当前已有的云数据中心待选地址中只选择一处地址或者选址不只一处地址作为云数据中心的建设地址;
在一个优选方式中,在建立根据云数据中心的选址标准建立云数据中心选址的数学模型时,如果只选择一处地址作为云数据中心的建设地址,建立如下数学模型:
minf(x)qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该选址点建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
在一个应用示例中,设S={S1,S2,S3,...,Sm}为待选的云数据中心建设点的集合,E={E1,E2,...,En}为机场、有危险的实验室、化学工厂的危险区域、掩埋式垃圾处理厂位置的集合,F={F1,F2,...,Fu}为军火库位置的集合,G={G1,G2,...,Gv}为核电站危险区域位置的集合,H={H1,H2,...,Hw}为可能发生洪水、地震断层及滑坡危险区域,m、u、v、w属于正整数,且n>u,n>v;
定义矩阵T=(tij)mxn,C=(cij)mxu,D=(dij)mxv和向量Q=(qi)mx1。其中,tij为待选云数据中心到机场、有危险实验室、化学工厂危险区域、掩埋式垃圾处理厂位置的距离;cij为待选云数据中心到军火库位置的距离;dij为待选云数据中心到核电站危险区域位置的距离;qi为选择该位置建设云数据中心所需的建设成本。
由上述T、C、D,定义矩阵A=(aij)mx1,其中,当同时满足tij>=400,cij>=1600,dij>=1600并且时,aij=1;否则aij=0。这样,就可以得到一组表示该选址点与选址标准中的第j个危险位置的距离是否符合技术要求的系数,aij=1说明该位置是符合选址标准要求的,aij=0则说明该位置不符合选址标准要求。
将所述数学模型约化为:
minf(x)qixi (I)
满足条件ming(x) (II)
aij的取值为0或1,xi的取值为0或1,根据约束条件那么当只存在一个可行解时,此时pj(x=0,g(x)=0。当存在多个可行解时,此时pj(x)<0,g(x)=0。故上述约束转化成了ming(x)。
在另一个优选方式中,在建立根据云数据中心的选址标准建立云数据中心选址的数学模型时,如果选择两个或两个以上地址作为云数据中心的建设地址,建立如下数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该选址点建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
在一个应用示例中,可以采用模拟退火算法从当前已有的云数据中心备选位置中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
1983年Kirkpatrick提出了SA(Simulated Annealing)算法,SA算法是基于Monte Carlo迭代求解的策略,用固体物质的降温退火过程来模拟组合优化问题的求解。但其参数较难控制,主要有以下两个参数:初始温度值,退火速度。
由于SA算法将在降温的过程中将不断产生更新的最优解,所以初始温度值设置是影响SA全局搜索性能的重要因素之一、初始温度高,则搜索到全局最优解的可能性大,但因此容易产生冗余的迭代;反之,则可节约计算时间,但容易陷入局部最优解,全局搜索性能受到影响。
同时退火衰减函数的选取决定了该方法的收敛速度。如果降温过程足够缓慢,多得到的解的性能会比较好,但与此相对的是收敛速度太慢。如果降温过程过快,很可能得不到全局最优解。
本应用示例中,以选择一处云数据中心地址为例,采用数学模型(I)和(II)为例,使用如下方法确定初始温度值:
为公式:f1(x)f(x)+g(x)qixi+g(x)
随机产生N个初始解x,设Fmax,Fmin分别为这N个初始解对应的目标值f1(x)的最大值和最小值,罚函数g(x)这里为0。
初始温度t0可以通过下面这个公式得到:
t0=(Fmax-Fmin)/exp(P) (III)
例如,随机产生2个解,第一个解为第一个待选地址S1对应的q1为235,罚函数g(x)=0,则此时f(x)=235;第二个可行解为S7对应的q7为843,则此时f(x)=843,那么Fmax=843,Fmin=235。则该P值只代表一个控制因子,可以根据需要设置。例如,可以设为0.3。
如果需要在该区域选择多个云数据中心地址,则为公式:
随机产生N组初始解,设Fmax,Fmin分别为这N组初始解对应的目标值f1(x)的最大值和最小值。例如,要选择3个云数据中心地址,随机产生两组初始解,每组包含3个云数据中心地址xi,计算每组解得到的目标值f1(x),得到最大值和最小值,代入公式求得t0。
退火速度函数采取下面的公式:
T(n+1)=K*T(n)
其中K为温度下降因数,0<K<1,K取值越小,温度下降越快,根据需要自由设置。每一次迭代过程,SA算法都将破坏原有的状态,并通过邻域函数来得到新的解以更新状态。
在确定好初始温度和退火速度后,下面结合图2来详细描述采用模拟退火算法从当前已有的云数据中心备选位置中求得所述数学模型的解作为所述云数据中心的最佳建设地址的流程,具体包括以下步骤:
S22:通过计算各个初始解的目标值f(x),得出Fmax,Fmin,通过函数(III)得出初始温度;
S203:从所述数学模型的值为1的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
选取一个初始解是指选择一处地址作为云数据中心的建设地址;选择L个初始解是指选择两个或两个以上地址作为云数据中心的建设地址。初始值也可以设置为无穷大。
例如,选择待选地址集合Si中第一个待选地址进行运算,经计算得出了该地址是满足数据模型约束条件的一个解,记录此解为x。邻域函数是指在该解的位置前后某个范围内,搜索下一个可能解的函数。假设,u=20,V=0.8,则确定了邻域范围为16。即在解X前后16的范围中随机尝试寻找下一个解。如果可以找到,就产生新解。其中,V可以是一个随机扰动值,当然也可以是固定值。
S205:判断该目标值f(x)是否为当前最小值,如果是,则执行步骤S206,否则执行步骤S207;
判断当前目标值f(x)与上一次求得的目标值的大小,如果小于,则说明当前目标值f(x)是最小值,否则说明上一次的目标值是最小值;判断f(x)是否为最小值就是要保证当前求得的解是建设成本最低的云数据中心地址。
S206:将该新解x’或xi’作为当前最优解,转至S208;
S207:将上一次求得的解作为最优解;
S208:将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)=K*T(n),T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
S209:判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤S204。
如图3所示,本实施例提供了一种云数据中心自动选址系统,包括:
数学模型建立模块,用于根据云数据中心的选址标准建立云数据中心选址的数学模型;
最佳建设地址求解模块,用于采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
其中,所述数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
数学模型建立模块根据云数据中心的选址标准建立云数据中心选址的数学模型包括两种情况:从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址;以及,从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址。
对于第一种情况,所述数学模型建立模块,用于从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
minf(x)qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,…,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
对于第二种情况,所述数学模型建立模块,用于从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
其中,所述启发式搜索算法为:模拟退火算法;所述最佳建设地址求解模块,用于采用模拟退火算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址,包括:
A)确定初始温度,从所述数学模型的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
C)判断该目标值是否为当前最小值,如果是,则将该新解x’或xi’作为当前最优解,否则,将上一次求得的解作为最优解,将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)K*T(n),其中,T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
D)判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤B)。
从上述实施例可以看出,相对于现有技术,上述实施例中提供的云数据中心选址方法及系统,通过建立数学模型,结合启发式搜索算法从当前已有的云数据中心待选地址中综合各种因素,识别出最佳的云数据中心建设地址。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并非用于限定本发明的保护范围。根据本发明的发明内容,还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种云数据中心自动选址方法,包括:
根据云数据中心的选址标准建立云数据中心选址的数学模型;
采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
2.如权利要求1所述的方法,其特征在于:
所述数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
3.如权利要求2所述的方法,其特征在于:所述方法还包括:从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址;
所述根据云数据中心的选址标准建立云数据中心选址的数学模型时,建立如下数学模型:
minf(x)qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
4.如权利要求2所述的方法,其特征在于:所述方法还包括:从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址;
所述根据云数据中心的选址标准建立云数据中心选址的数学模型时,建立如下数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
5.如权利要求3或4所述的方法,其特征在于:所述启发式搜索算法为:模拟退火算法,所述采用模拟退火算法从当前已有的云数据中心待选地址中中求得所述数学模型的解作为所述云数据中心的最佳建设地址,包括:
A)确定初始温度,从所述数学模型的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
C)判断该目标值是否为当前最小值,如果是,则将该新解x’或xi’作为当前最优解,否则,将上一次求得的解作为最优解,将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)K*T(n),其中,T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
D)判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤B)。
6.一种云数据中心自动选址系统,包括:
数学模型建立模块,用于根据云数据中心的选址标准建立云数据中心选址的数学模型;
最佳建设地址求解模块,用于采用启发式搜索算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址。
7.如权利要求6所述的系统,其特征在于:
所述数学模型用于在符合选址标准的云数据中心待选地址中求得建设成本最低的云数据中心地址。
8.如权利要求7所述的系统,其特征在于:
所述数学模型建立模块,用于从当前已有的云数据中心待选地址中只选择一处地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
minf(x)=qixi i=1,...,m (1)
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(2)且使f(x)值最小的xi作为所述云数据中心的最佳建设地址。
9.如权利要求7所述的系统,其特征在于:
所述数学模型建立模块,用于从当前已有的云数据中心待选地址中选择两个或两个以上地址作为云数据中心的建设地址时,根据云数据中心的选址标准建立如下云数据中心选址的数学模型:
满足条件
其中,存在m个云数据中心待选地址,n个选址标准中的危险位置,从中确定L个云数据中心的选址点;xi(i=1,...,m)为所述数学模型的解,取值为0或1,1代表第i个待选地址被确定为云数据中心的选址点,0代表第i个待选地址没有被确定为云数据中心的选址点;qi为选择该待选地址时建设云数据中心所需的建设成本;aij表示该选址点与选址标准中的第j个危险位置的距离是否符合选址标准技术要求,如果符合则aij值为1,不符合则aij值为0;
然后,采用启发式搜索算法选择满足条件(4)且使f(x)值最小的L个xi作为所述云数据中心的最佳建设地址。
10.如权利要求8或9所述的系统,其特征在于:
所述最佳建设地址求解模块,用于采用模拟退火算法从当前已有的云数据中心待选地址中求得所述数学模型的解作为所述云数据中心的最佳建设地址,包括:
A)确定初始温度,从所述数学模型的解中随机选取一个或L个作为初始解x,或xi,i=1,...,L;
C)判断该目标值是否为当前最小值,如果是,则将该新解x’或xi’作为当前最优解,否则,将上一次求得的解作为最优解,将所述最优解作为所述云数据中心的最佳建设地址,同时将当前温度下降为T(n+1)K*T(n),其中,T(n+1)为当前温度,T(n)为上一次求解时的温度,0<K<1;
D)判断当前温度T(n+1)是否达到终止温度,如果是则输出当前最优解;如果不是,则继续退火,返回步骤B)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449677.9A CN103491178A (zh) | 2013-09-27 | 2013-09-27 | 一种云数据中心自动选址方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449677.9A CN103491178A (zh) | 2013-09-27 | 2013-09-27 | 一种云数据中心自动选址方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103491178A true CN103491178A (zh) | 2014-01-01 |
Family
ID=49831131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310449677.9A Pending CN103491178A (zh) | 2013-09-27 | 2013-09-27 | 一种云数据中心自动选址方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103491178A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103381A (zh) * | 2017-03-17 | 2017-08-29 | 华为技术有限公司 | 一种数据中心的规划方法和系统 |
CN107766984A (zh) * | 2017-10-27 | 2018-03-06 | 郑州云海信息技术有限公司 | 基于云计算的商家最优选址系统及方法 |
CN111260146A (zh) * | 2020-01-22 | 2020-06-09 | 华南理工大学 | 电力系统边缘云数据中心选址方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764407A (zh) * | 2010-01-08 | 2010-06-30 | 杨毅 | 一种基于模糊期望值模型的配电网的规划方法 |
CN103136313A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于迭代求解策略的随机寻优方法 |
CN103178536A (zh) * | 2013-02-06 | 2013-06-26 | 上海交通大学 | 基于供蓄能力的配电网储能装置选址定容方法 |
-
2013
- 2013-09-27 CN CN201310449677.9A patent/CN103491178A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764407A (zh) * | 2010-01-08 | 2010-06-30 | 杨毅 | 一种基于模糊期望值模型的配电网的规划方法 |
CN103136313A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于迭代求解策略的随机寻优方法 |
CN103178536A (zh) * | 2013-02-06 | 2013-06-26 | 上海交通大学 | 基于供蓄能力的配电网储能装置选址定容方法 |
Non-Patent Citations (2)
Title |
---|
杨建光: "数据中心选址的探讨", 《智能建筑与城市信息》, no. 8, 31 August 2008 (2008-08-31) * |
韩强,宿洁: "一类应急服务设施选址问题的模拟退火算法", 《计算机工程与应用》, vol. 43, no. 14, 31 December 2007 (2007-12-31) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103381A (zh) * | 2017-03-17 | 2017-08-29 | 华为技术有限公司 | 一种数据中心的规划方法和系统 |
CN107766984A (zh) * | 2017-10-27 | 2018-03-06 | 郑州云海信息技术有限公司 | 基于云计算的商家最优选址系统及方法 |
CN111260146A (zh) * | 2020-01-22 | 2020-06-09 | 华南理工大学 | 电力系统边缘云数据中心选址方法、装置、设备及介质 |
CN111260146B (zh) * | 2020-01-22 | 2022-03-25 | 华南理工大学 | 电力系统边缘云数据中心选址方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Optimisation for offshore wind farm cable connection layout using adaptive particle swarm optimisation minimum spanning tree method | |
Xu et al. | Transit-oriented development in China: Literature review and evaluation of TOD potential across 50 Chinese cities | |
Hou et al. | Optimisation of offshore wind farm cable connection layout considering levelised production cost using dynamic minimum spanning tree algorithm | |
Ouyang et al. | Critical infrastructure vulnerability to spatially localized failures with applications to Chinese railway system | |
Craft et al. | Development of a regenerative design model for building retrofits | |
CN107895031B (zh) | 建筑信息模型在三维数字城市场景中自适应动态调度方法 | |
CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
CN103839118A (zh) | 一种选址方法和装置 | |
KR102191763B1 (ko) | 시나리오 기반의 재난 확산 예측 방법, 재난 확산 예측 장치 및 재난 확산 예측 시스템 | |
CN112990538B (zh) | 一种山地光伏电站集电线路确定方法、装置及设备 | |
CN108269212A (zh) | 基于bim和gis的地下公共设施的管理方法和装置 | |
CN103491178A (zh) | 一种云数据中心自动选址方法及系统 | |
WO2024051822A1 (zh) | 针对分布式电源的多终端协同动态安全分析方法和系统 | |
CN114065348A (zh) | 一种人群应急疏散方法、系统、终端以及存储介质 | |
CN117557069B (zh) | 一种充电桩选址方法及系统、电子设备、存储介质 | |
CN203054567U (zh) | 一种雷电监测预警系统 | |
CN112464545B (zh) | 海上风电场电缆及变电站的布局方法、系统、设备及介质 | |
CN109888817A (zh) | 对光伏电站和数据中心进行位置部署和容量规划方法 | |
Chen et al. | Construction and optimization of regional ecological security patterns based on MSPA-MCR-GA Model: A case study of Dongting Lake Basin in China | |
CN115375201B (zh) | 城市地下综合管廊多灾种演化动态风险评估方法和系统 | |
CN107248926A (zh) | 一种面向多目标的epon规划方法 | |
Yi et al. | Optimisation of offshore wind farm inter‐array collection system | |
CN204349586U (zh) | 箱变远程监控系统 | |
Wang et al. | Short‐term planning model for distribution network restructuring based on heat maps | |
Arai et al. | Gis based two dimensional cellular automata approach for prediction of forest fire spreading |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140101 |