CN108108228A - 一种基于差分进化算法的资源分配方法 - Google Patents
一种基于差分进化算法的资源分配方法 Download PDFInfo
- Publication number
- CN108108228A CN108108228A CN201810010187.1A CN201810010187A CN108108228A CN 108108228 A CN108108228 A CN 108108228A CN 201810010187 A CN201810010187 A CN 201810010187A CN 108108228 A CN108108228 A CN 108108228A
- Authority
- CN
- China
- Prior art keywords
- mrow
- virtual machine
- representing
- resource allocation
- munderover
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45583—Memory management, e.g. access or allocation
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种资源分配方法，特别涉及一种基于差分进化算法的资源分配方法。本发明包括首先用户向云服务中心提交服务请求，资源分配中心将所述服务请求转化为云任务需求，再基于差分进化算法建立资源分配模型，利用资源分配模型将云任务需求映射到虚拟机上，通过虚拟机对云任务需求进行分配和处理。本发明从时间、负载两个方面作出优化，当用户提交任务请求时，资源分配模型能够给出合理的资源配置方案，提高用户满意度的同时也优化了负载。本发明从性能上根据各虚拟机的负载比对算法优劣性进行比较，能够使资源分配处于较优的负载均衡状态，提升资源分配模型的整体性能。
Description
技术领域
本发明涉及一种资源分配方法，特别涉及一种基于差分进化算法的资源分配方法。
背景技术
云计算作为一种商业计算模型，将计算任务分布在海量计算机组成的资源池中，使用户能够按需获取计算力、存储空间和信息服务。在云计算环境下，用户根据自身需求对云中服务资源的使用可以变得像生活中使用水、电、气等公共服务资源一样便捷。由此可见，云计算对传统的信息服务模式进行了较大的改变，使得人们可以通过网络直接获取服务和计算资源，给整个IT行业带来的改变是有划时代意义的。
现有的资源分配方法更多地从服务提供商的角度去考虑，不能够真正地实现以用户需求为中心，无法满足用户的服务质量需求，无法快速有效地给出合理的资源配置方案。
发明内容
本发明为了克服上述现有技术的不足，提供了一种基于差分进化算法的资源分配方法，本发明能够给出合理的资源配置方案。
要解决以上所述的技术问题，本发明采取的技术方案为：
一种基于差分进化算法的资源分配方法包括以下操作步骤：
S1、用户向云服务中心提交服务请求，资源分配中心将所述服务请求转化为云任务需求；
S2、基于差分进化算法建立资源分配模型；
S3、利用资源分配模型将云任务需求映射到虚拟机上，通过虚拟机对云任务需求进行分配和处理。
优选的，所述云任务需求用cloudTask i表示，其中，i∈{1,2,…,m}，m表示云任务需求个数。
优选的，所述虚拟机的性能参数包括虚拟机的CPU、虚拟机的内存、虚拟机的存储以及虚拟机的带宽。
优选的，所述虚拟机用vmj表示，其中，vmj＝[sj,ηj,mj,wj,pj]，j＝1,2,…,n，n表示虚拟机个数，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率。
优选的，步骤S2中的基于差分进化算法建立资源分配模型的具体操作步骤包括：
对所述虚拟机的性能参数进行标准化处理，如公式(1)：
其中，ξ∈(sj,ηj,mj,wj,pj)，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率；
计算CPU的负载；
由于虚拟机vmj在对云任务需求cloudTask i进行分配和处理的过程中的负载如公式(2)：
其中，cloudLengthi表示云任务需求cloudTask i的指令长度，X(sj)为标准化处理后的CPU的主频，X(ηj)为标准化处理后的CPU的利用率，X(pj)为标准化处理后的虚拟机功率；
计算总负载sumLoad如公式(3)；
其中，表示对所有云任务需求进行分配和处理的总的虚拟机；
计算虚拟机完成分配和处理云任务需求的总时间sumTime如公式(4)；
其中，Time[i][j]表示虚拟机vmj处理云任务需求cloudTask i所花费的时间，表示所有云任务需求；
计算虚拟机处理云任务需求的总代价All为公式(5)；
其中，ω1表示用户根据需求定义的负载权重，ω2表示用户根据需求定义的时间权重，且ω1+ω2＝1。
本发明的有益效果为：
(1)、本发明基于差分进化算法建立资源分配模型，利用资源分配模型将云任务需求映射到虚拟机上，通过虚拟机对云任务需求进行分配和处理，本发明从时间、负载两个方面作出优化，当用户提交任务请求时，资源分配模型能够给出合理的资源配置方案，提高用户满意度的同时也优化了负载。
(2)、本发明从性能上根据各虚拟机的负载比对算法优劣性进行比较，能够使资源分配处于较优的负载均衡状态，提升资源分配模型的整体性能。
附图说明
下面对本发明说明书中每幅附图表达的内容及图中的标记作简要说明：
图1为本发明的工作流程图；
图2为本发明的利用资源分配模型将云任务需求映射到虚拟机上的工作流程图；
具体实施方式
下面对照附图，对本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理等作进一步的详细说明：
如图1所示，一种基于差分进化算法的资源分配方法包括以下操作步骤：
S1、用户向云服务中心提交服务请求，资源分配中心将所述服务请求转化为云任务需求；
S2、基于差分进化算法建立资源分配模型；
S3、利用资源分配模型将云任务需求映射到虚拟机上，通过虚拟机对云任务需求进行分配和处理。
所述云任务需求用cloudTask i表示，其中，i∈{1,2,…,m}，m表示云任务需求个数。
所述虚拟机的性能参数包括虚拟机的CPU、虚拟机的内存、虚拟机的存储以及虚拟机的带宽。
所述虚拟机用vmj表示，其中，vmj＝[sj,ηj,mj,wj,pj]，j＝1,2,…,n，n表示虚拟机个数，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率。
基于差分进化算法建立资源分配模型的具体操作步骤包括：
对所述虚拟机的性能参数进行标准化处理，如公式(1)：
其中，ξ∈(sj,ηj,mj,wj,pj)，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率；
计算CPU的负载；
由于虚拟机vmj在对云任务需求cloudTask i进行分配和处理的过程中的负载如公式(2)：
其中，cloudLengthi表示云任务需求cloudTask i的指令长度，X(sj)为标准化处理后的CPU的主频，X(ηj)为标准化处理后的CPU的利用率，X(pj)为标准化处理后的虚拟机功率；
计算总负载sumLoad如公式(3)；
其中，表示对所有云任务需求进行分配和处理的总的虚拟机；
计算虚拟机完成分配和处理云任务需求的总时间sumTime如公式(4)；
其中，Time[i][j]表示虚拟机vmj处理云任务需求cloudTask i所花费的时间，表示所有云任务需求；
计算虚拟机处理云任务需求的总代价All为公式(5)；
其中，ω1表示用户根据需求定义的负载权重，ω2表示用户根据需求定义的时间权重，且ω1+ω2＝1。
如图2所示，步骤S3中的利用资源分配模型将云任务需求映射到虚拟机上的具体操作步骤包括：
S31、数组B＝[b0,b1,...,bm-1]表示云任务需求在虚拟机上的对应关系；
S32、由于云任务需求的总个数为m，虚拟机的总个数为n，设置初始种群规模，初始种群规模包括M个个体，对初始种群规模中的M个个体进行初始化；
X(g)＝(x1(g),x2(g),...,xM(g))
其中，X(g)表示第g代种群，g表示进化代数，g的初始值设为0，g的最大值为g_max，xM(g)表示第g代的第M个个体，xbest(g)表示当前运行g代得到的最优个体；
S33、利用公式(5)计算适应度值；
S34、判断算法是否结束，如果满足终止条件(1)或终止条件(2)，则算法结束；
终止条件(1)：当前代数g已经达到最大进化代数即最大值g_max；
终止条件(2)：当最优个体xbest(g)连续N代都没进化时；
如果算法结束，则算法返回最优个体xbest(g)，否则，执行S35；
S35、对上一代种群中的个体进行变异产生新的个体vi，即变异个体vi，利用标准IDE算法产生变异个体vi的方法如下：
vi(g+1)＝xbest(g)+F×(xbest(g)-xi(g))+F×(xp(g)-xq(g))
其中，vi(g+1)是通过父代变异而来的变异个体，F为缩放因子，g_current表示当前进化的代数，p,q∈[1,M]，且i≠p≠q；
S36、个体变异后通过交叉概率判断是否进行交叉操作，产生交叉个体ui，
其中，rand(0,1)表示0到1之间均匀分布的随机数，CR表示交叉概率，
S37、根据贪心算法选择使总代价All最小的个体作为新的个体；
函数f()表示基于公式(5)进行代价计算，根据步骤S31，由数组B计算出对应的虚拟机编号，使总代价All小于当前总代价min{All}，则新的个体为最优个体xbest(g)；
S38、进化代数g自增，g＝g+1；转到S33。
例如，将6个任务分配到3个虚拟机上，则建立一个数组(0，2，1，0，1，0)，表示1、4、6号任务在0号虚拟机上执行，2号任务在2号虚拟机上执行，3、5号任务在1号虚拟机上执行。
设定虚拟机数量为10，具体如表1所示，云任务需求的总个数为20、50、100、300、500，具体如表2所示，通过比较完成完成任务所需要的总时间来对比算法性能。
表1：
表2：
设定云任务需求的总个数为100，虚拟机数量为10，独立运行RR、Min-Min、DE、IDE算法，计算每个虚拟机的负载比，如表3所示。
表3：
表3给出了RR、Min-Min、DE以及IDE算法的负载比，从表中数据可以看出，DE和IDE算法中各个虚拟机的负载程度基本保持在0.4至0.6之间波动，可以认为整体上较为均衡，能够很好的降低资源浪费，也可避免虚拟机过载；而RR算法和Min-Min算法中，各个虚拟机的负载比之间差别较大，例如：RR算法中vm2的负载比高达0.76，而vm3的负载比却只有0.17，同样的状况在Min-Min算法中也有出现，vm5的负载比达到0.73，而vm1、vm7的负载比均不到0.3，进一步说明了本发明所利用的IDE算法在负载均衡方面优于RR和Min-Min算法。
综上所述，本发明从时间、负载两个方面作出优化，当用户提交任务请求时，资源分配模型能够给出合理的资源配置方案，提高用户满意度的同时也优化了负载。
以上内容是结合具体的优选实施方式对本发明作的进一步详细说明，不能认定本发明的具体实施方式只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的技术方案下得出的其他实施方式，均应包含在本发明的保护范围内。
Claims (5)
1.一种基于差分进化算法的资源分配方法，其特征在于，包括以下操作步骤：
S1、用户向云服务中心提交服务请求，资源分配中心将所述服务请求转化为云任务需求；
S2、基于差分进化算法建立资源分配模型；
S3、利用资源分配模型将云任务需求映射到虚拟机上，通过虚拟机对云任务需求进行分配和处理。
2.如权利要求1所述的一种基于差分进化算法的资源分配方法，其特征在于：所述云任务需求用cloudTaski表示，其中，i∈{1,2,…,m}，m表示云任务需求个数。
3.如权利要求2所述的一种基于差分进化算法的资源分配方法，其特征在于：所述虚拟机的性能参数包括虚拟机的CPU、虚拟机的内存、虚拟机的存储以及虚拟机的带宽。
4.如权利要求3所述的一种基于差分进化算法的资源分配方法，其特征在于：所述虚拟机用vmj表示，其中，vmj＝[sj,ηj,mj,wj,pj]，j＝1,2,…,n，n表示虚拟机个数，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率。
5.如权利要求4所述的一种基于差分进化算法的资源分配方法，其特征在于，步骤S2中的基于差分进化算法建立资源分配模型的具体操作步骤包括：
对所述虚拟机的性能参数进行标准化处理，如公式(1)：
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&xi;</mi>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，ξ∈(sj,ηj,mj,wj,pj)，sj表示CPU的主频，ηj表示CPU的利用率，mj表示虚拟机的内存，wj表示虚拟机的带宽，pj表示虚拟机功率；
计算CPU的负载；
由于虚拟机vmj在对云任务需求cloudTaski进行分配和处理的过程中的负载如公式(2)：
<mrow>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>cloudLength</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&eta;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，cloudLengthi表示云任务需求cloudTaski的指令长度，X(sj)为标准化处理后的CPU的主频，X(ηj)为标准化处理后的CPU的利用率，X(pj)为标准化处理后的虚拟机功率；
计算总负载sumLoad如公式(3)；
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>=</mo>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>A</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，表示对所有云任务需求进行分配和处理的总的虚拟机；
计算虚拟机完成分配和处理云任务需求的总时间sumTime如公式(4)；
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mi>T</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
<mo>=</mo>
<munderover>
<mi>max</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mi>A</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mi>T</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Time[i][j]表示虚拟机vmj处理云任务需求cloudTaski所花费的时间，表示所有云任务需求；
计算虚拟机处理云任务需求的总代价All为公式(5)；
<mrow>
<mi>A</mi>
<mi>l</mi>
<mi>l</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>A</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>j</mi>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<mo>&times;</mo>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mi>T</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，ω1表示用户根据需求定义的负载权重，ω2表示用户根据需求定义的时间权重，且ω1+ω2＝1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810010187.1A CN108108228A (zh) | 2018-01-05 | 2018-01-05 | 一种基于差分进化算法的资源分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810010187.1A CN108108228A (zh) | 2018-01-05 | 2018-01-05 | 一种基于差分进化算法的资源分配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108108228A true CN108108228A (zh) | 2018-06-01 |
Family
ID=62218531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810010187.1A Pending CN108108228A (zh) | 2018-01-05 | 2018-01-05 | 一种基于差分进化算法的资源分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108108228A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108881442A (zh) * | 2018-06-21 | 2018-11-23 | 河南科技大学 | 一种基于服务感知的移动云网络资源分配方法 |
| CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
| CN110503208A (zh) * | 2019-08-26 | 2019-11-26 | 第四范式（北京）技术有限公司 | 多模型探索中的资源调度方法和资源调度装置 |
| CN112187891A (zh) * | 2020-09-16 | 2021-01-05 | 国网浙江省电力有限公司信息通信分公司 | 基于多业务的边缘计算节点集合的负载优化方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331321A (zh) * | 2014-10-09 | 2015-02-04 | 冷明 | 基于禁忌搜索和负载均衡的云计算任务调度方法 |
| CN105577572A (zh) * | 2014-10-11 | 2016-05-11 | 南京理工大学 | 基于预算限制自组织云任务执行时间最短化资源分配方法 |
-
2018
- 2018-01-05 CN CN201810010187.1A patent/CN108108228A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331321A (zh) * | 2014-10-09 | 2015-02-04 | 冷明 | 基于禁忌搜索和负载均衡的云计算任务调度方法 |
| CN105577572A (zh) * | 2014-10-11 | 2016-05-11 | 南京理工大学 | 基于预算限制自组织云任务执行时间最短化资源分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘曦等: ""异构云系统中基于智能优化算法的多维资源公平分配"", 《计算机应用》 * |
| 方义秋等: ""一种云环境下基于 QoS 约束的资源分配策略"", 《计算机应用与软件》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108881442A (zh) * | 2018-06-21 | 2018-11-23 | 河南科技大学 | 一种基于服务感知的移动云网络资源分配方法 |
| CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
| CN110321208B (zh) * | 2019-06-27 | 2022-10-14 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
| CN110503208A (zh) * | 2019-08-26 | 2019-11-26 | 第四范式（北京）技术有限公司 | 多模型探索中的资源调度方法和资源调度装置 |
| CN110503208B (zh) * | 2019-08-26 | 2022-05-17 | 第四范式（北京）技术有限公司 | 多模型探索中的资源调度方法和资源调度装置 |
| CN112187891A (zh) * | 2020-09-16 | 2021-01-05 | 国网浙江省电力有限公司信息通信分公司 | 基于多业务的边缘计算节点集合的负载优化方法及装置 |
| CN112187891B (zh) * | 2020-09-16 | 2022-06-10 | 国网浙江省电力有限公司信息通信分公司 | 基于多业务的边缘计算节点集合的负载优化方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108108228A (zh) | 一种基于差分进化算法的资源分配方法 | |
| Chen et al. | A multi-objective optimization for resource allocation of emergent demands in cloud computing | |
| CN102780759B (zh) | 基于调度目标空间的云计算资源调度方法 | |
| CN109840154B (zh) | 一种移动云环境下基于任务依赖的计算迁移方法 | |
| CN108416465B (zh) | 一种移动云环境下的工作流优化方法 | |
| CN106817401B (zh) | 一种云环境中的资源配置方法 | |
| CN103338228A (zh) | 基于双加权最小连接算法的云计算负载均衡调度算法 | |
| CN105718364A (zh) | 一种云计算平台中计算资源能力动态评估方法 | |
| CN106412124B (zh) | 一种并序化云服务平台任务分配系统及任务分配方法 | |
| Idrissi et al. | A new approach for a better load balancing and a better distribution of resources in cloud computing | |
| CN106875211A (zh) | 一种云计算环境中基于用户感知价值的最优服务定价方法 | |
| US20210004267A1 (en) | Cooperative scheduling method and system for computing resource and network resource of container cloud platform | |
| CN111324422A (zh) | 多目标虚拟机部署方法、装置、设备及存储介质 | |
| CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
| CN117032902A (zh) | 一种基于负载的改进离散粒子群算法的云任务调度方法 | |
| CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
| CN103997515A (zh) | 一种分布式云中计算中心选择方法及其应用 | |
| CN115016889A (zh) | 一种用于云计算的虚拟机优化调度方法 | |
| CN113645076B (zh) | 基于超图匹配算法的虚拟网络资源分配方法 | |
| CN112882805A (zh) | 一种任务资源约束的利润优化调度方法 | |
| CN116684422A (zh) | 5g电力mec下多维边缘资源高效配置方法及系统 | |
| CN116684291A (zh) | 一种适用通用化平台的服务功能链映射资源智能分配方法 | |
| CN107277824B (zh) | 一种c-ran架构下的虚拟基站分簇方法 | |
| Dai et al. | Improved greedy strategy for cloud computing resources scheduling | |
| Xu | A cloud computing resource allocation model based on combinatorial double auction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20180601 |