为解决现有的虚拟机(VM)初始放置目标较为片面,仅考虑1个或者2个方面的问题,该文提出了1种面向多目标优化的VM初始放置方法。综合考虑了资源利用率、功率以及温度3方面因素。基于改进的分组遗传算法生成候选的VM放置方案。采用多目标模...为解决现有的虚拟机(VM)初始放置目标较为片面,仅考虑1个或者2个方面的问题,该文提出了1种面向多目标优化的VM初始放置方法。综合考虑了资源利用率、功率以及温度3方面因素。基于改进的分组遗传算法生成候选的VM放置方案。采用多目标模糊评估方法筛选出最佳放置方案。仿真实验结果表明,该文方法可以减少约44%的资源浪费、降低3 k W服务器运行功率。展开更多
发展基于Pareto多目标人工鱼群算法(Multi⁃Objective Artificial Fish Swarm Algorithm,MO⁃AFSA),解决结构健康监测中传感器位置多目标优化的问题。构建与观测模态线性独立性、结构损伤灵敏度和损伤信息冗余性有关的传感器位置多目标优...发展基于Pareto多目标人工鱼群算法(Multi⁃Objective Artificial Fish Swarm Algorithm,MO⁃AFSA),解决结构健康监测中传感器位置多目标优化的问题。构建与观测模态线性独立性、结构损伤灵敏度和损伤信息冗余性有关的传感器位置多目标优化目标函数;改进人工鱼群算法的追尾和觅食行为,并引入外部档案集以处理寻优过程中的互不支配解,结合Pareto概念选取与理想点欧式距离最近的Pareto解为最优解;以三层平面钢框架结构为数值算例,用基于Pareto人工鱼群算法求解传感器位置多目标优化方案,并进行结构损伤识别。研究结果表明:用所提方法得到的传感器测点在结构中均匀分布,获取的结构损伤信息更为全面,冗余性低,振型独立性好,能够较精确地识别损伤位置和损伤程度,并且抗噪性能好。展开更多
随着软件定义网络(Software Defined Network,SDN)的迅猛发展,单控制器部署的固有缺陷逐渐显露出来,多控制器部署已成为必然趋势。但由于控制器数量以及放置位置对网络性能具有决定性的影响,且在解决该问题时权衡因素多、计算复杂度高,...随着软件定义网络(Software Defined Network,SDN)的迅猛发展,单控制器部署的固有缺陷逐渐显露出来,多控制器部署已成为必然趋势。但由于控制器数量以及放置位置对网络性能具有决定性的影响,且在解决该问题时权衡因素多、计算复杂度高,严重阻碍了SDN在数据中心和广域网的应用。首先阐述了放置问题的本质和通用的求解步骤;其次基于网络模型详述了部署策略的核心构件,即优化目标、搜索算法;然后综合国内外的研究,将部署策略分为静态部署和动态部署两大类,并着重对比了典型策略的优缺点;最后展望未来的研究方向。展开更多
文摘为解决现有的虚拟机(VM)初始放置目标较为片面,仅考虑1个或者2个方面的问题,该文提出了1种面向多目标优化的VM初始放置方法。综合考虑了资源利用率、功率以及温度3方面因素。基于改进的分组遗传算法生成候选的VM放置方案。采用多目标模糊评估方法筛选出最佳放置方案。仿真实验结果表明,该文方法可以减少约44%的资源浪费、降低3 k W服务器运行功率。
文摘发展基于Pareto多目标人工鱼群算法(Multi⁃Objective Artificial Fish Swarm Algorithm,MO⁃AFSA),解决结构健康监测中传感器位置多目标优化的问题。构建与观测模态线性独立性、结构损伤灵敏度和损伤信息冗余性有关的传感器位置多目标优化目标函数;改进人工鱼群算法的追尾和觅食行为,并引入外部档案集以处理寻优过程中的互不支配解,结合Pareto概念选取与理想点欧式距离最近的Pareto解为最优解;以三层平面钢框架结构为数值算例,用基于Pareto人工鱼群算法求解传感器位置多目标优化方案,并进行结构损伤识别。研究结果表明:用所提方法得到的传感器测点在结构中均匀分布,获取的结构损伤信息更为全面,冗余性低,振型独立性好,能够较精确地识别损伤位置和损伤程度,并且抗噪性能好。
文摘随着软件定义网络(Software Defined Network,SDN)的迅猛发展,单控制器部署的固有缺陷逐渐显露出来,多控制器部署已成为必然趋势。但由于控制器数量以及放置位置对网络性能具有决定性的影响,且在解决该问题时权衡因素多、计算复杂度高,严重阻碍了SDN在数据中心和广域网的应用。首先阐述了放置问题的本质和通用的求解步骤;其次基于网络模型详述了部署策略的核心构件,即优化目标、搜索算法;然后综合国内外的研究,将部署策略分为静态部署和动态部署两大类,并着重对比了典型策略的优缺点;最后展望未来的研究方向。
文摘在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。
