科技论坛
基于遗传蚁群算法的虚拟机整合
关启明靳棋桢谢少亭
·155
（天津工业大学计算机科学与软件学院，天津300387）
摘要：针对奴群算法的加速收效和早熟停滞现象的矛盾，在搜索过程中容易陷入局部最优，使虚拟机的分配不能实现整体分配的效果，根据遗传算法的交叉算子、变异算子来优化蚁群算法。本文提出了一种最新的动态整合虚拟机方法一基于遗传蚁群算法的虚拟机些合算法来减少云数据中心能量消耗。通过cloudsim-3.0仿真实验验证基于遗传奴群算法的虚拟机整合在减少能耗和虚拟机迁移次数方面的性能大大提高，
关键词：交叉算子；变异算子；虚拟机迁移；动态虚拟机整合
1概述
云计算已经普遍应用于各行各业中。但是随着云平台上的用户和各种类型应用的不断增加，导致一个显著增加的规模和能源消耗
为蚂蚁移动过程中信息素对于
T为路径上的信息素浓度,α
蚂蚁选路的影响力度，β表示"对蚂蚁选路的影响力度，"为启发
云数据中心目云计算环境下的资源分配间题和云计算的能耗间题因子。
被暴露了出来。而现在用于减少数据中心物理机利用率和优化能量消耗的虚拟机整合的方法有很多，但是降低云数据中心能量消耗所使用的动态虚拟机整合方法大多是基于启发式的贪心算法,启发式的贪心算法虽然能够优化虚拟机的放置,但是也有明显的缺陷,例如在搜索的过程中容易陷人最优，虚拟机不能实现整体分配的效果，所以需要进一步的优化。
本文首次将基于遗传蚁群算法应用于虚拟机的整合，使用人工妈蚊根据物理主机上的状态(超载，正常，低载)将虚拟机迁移到其他的活跃的物理主机上来减少物理主机活跃的数量，从而减少能量消耗。我们通过使用CloudSim进行仿真评价，仿真结果显示，该算法与现存的虚拟机整合算法相比，不仅减少了虚拟机的迁移次数，而且减少了数据中心的能量消耗。
2系统架构
在本系统架构中,物理机的状态被划分为四种状态：正常物理机(P),超载物理机(P.)预测超载物理机(P)和轻载物理机(P)。
GlabalAgent?
VMM
WA WAWAWA
MM WAWAWAWA
PM
图1虚拟机整合系统架构模型
图1描述了本文使用的系统架构模型，它包括两个类型的代理 a局部代理：主要任务是通过监测物理机的最近资源利用率来
确定物理机的状态。
b.全局代理：充当一个监督者,并且利用本文提出的基于自适应蚊群算法的虚拟机整合算法来优化虚拟机放置。
3基于遗传蚊群算法的虚拟机整合
蚊群系统的虚拟机整合算法有一套元组T，每一个元组teT,其
蚊群系统在所有蚂数完成迁移计划之后使用了全局和局部信息素踪迹蒸发规则,规则定义如公式(4)
T, =(Iα)·T, +,
(4)
各个蚂蚊在找到下一路径后路径上的信息索需要根据公式(5) 进行动态更新。
T,(t + n)= (1p) T,(t)+ ?T,
(5)
整个算法的蚂蚁均具有粒子性，粒子通过个体极值phbest和种群目前找到最优解gbest来更新自己.其变异算法的交叉操作如(6):
t = cv +e (pbesrt x)+c* (gbesr' ×) 4仿真实验与分析
(6)
实验采用基于遗传蚁群算法和基本蚊群算法下的虚拟机迁移次数和主机能量消耗对比。实验中参数设置相同，主要参数设置：主机50个，虚拟机50个，局部更新的信息素值为0.1,蚂蚊的总个数为 30.选代次数为5.在cloudsim-3.0下仿真实验。实验的结果下图所示,在遗传蚁群算法和基本蚊群算法对比下,图2分别展示了虚拟的迁移个数和主机总的能耗对比，遗传蚁群算法下的迁移次数相比基本蚁群算法要少，而且遗传蚊群算法下的总主机能耗要比基本蚁群算法少。
6E
#干海#家
图2总的迁移数对比，总的能量消耗对比
5结论
本文中使用最新的动态虚拟机整合的方法-基于遗传蚁群算法的虚拟机整合方法，通过遗传蚁群算法对虚拟机进行整合，达到了
中包含三个元素：源物理机P_要迁移的虚拟机,目的物理机P。如
减少虚拟机迁移次数,减少活跃物理主机的数量从而减少云数据中
公式(1):
心能量消耗的目的。和现有的虚拟机整合算法相比,基于遗传蚁群
t=(pe,V, pa)
(1）算法的虚拟机整合在减少能耗和虚拟机迁移次数方面其性能大大
根据下面的目标函数公式(2)我们来设计虚拟机迁移的计划，
提高。
(M)-P-+
w
参考文献
(2) [1] A. Beloglazov, R. Buya, Y. C. Lee, and A. Zomaya. Ataxono
my and survey of energyefficient data centers andcloud computing
蚂蚁根据公式(3)的随机状态转移规则进行下一个元组的选择。 argmaxe [][n.]],q≤90
S
s.q>q
systems[J], Advances in Computers,2011,82:47111.
[2] L. Deboosere, B. Vankeirsbilck, P. Simoens, F. Turck, B. Dhoedt,and P. Demeester. Efficient resource management for virtu-
3)
aldesktop cloud computing [J]. The Journal of Supereomputing, 2012,62(2):741767.
资助项目：天津工业大学13级大学生创新训练计划资助项目[201510058095]。
作者简介：关启明(1993-),男，安撤人，本科在读，研究方向：JavaWeb,云计算，大数据。万方数据