陈 艳，周天绮，徐胜超

(1.桂林航天工业学院 计算机科学与工程学院，广西 桂林 541004；2.浙江医药高等专科学校 医疗器械学院，浙江 宁波 315100；3.北部湾大学 电子与信息工程学院，广西 钦州 535011)

0 引 言

物理资源利用效率充分利用与低能量消耗是云数据中心构造的2个主要目标[1-3]，目前主要靠虚拟机迁移技术来实现。在虚拟机迁移过程中，最重要的是虚拟机放置策略[4-6]，该过程有很多智能算法进行优化，例如增强学习算法[7]、花授粉算法[8]、基于数据依赖的优化算法[9]、基于温度感知群优化算法[10]、基于任务映射的优化算法[11]、基于萤火虫群的优化算法等[12]、蚁群算法[13]、家族遗传算法[14]、混合遗传算法、改进的遗传算法[15]。

本文依托于Cloudsim云平台工具，在物理主机状态检测和虚拟机选择过程都采用Cloudsim中默认的优化策略；着重考虑采用蚁群算法的方式来优化虚拟机放置过程[13]。提出一种基于蚁群算法优化的虚拟机放置方法ACO-VMP(ant colony optimization based virtual mac-hine placement)。在虚拟机放置优化过程中涉及的物理资源描述的维度方面，ACO-VMP考虑了物理主机的处理器、内存大小、网络带宽等多个因素。与其它的虚拟机放置优化算法比较起来，ACO-VMP采用向量代数的方式描述云数据中心的多维的物理资源，综合考虑整个大数据中心的总体能量消耗和多维物理资源的充分利用这2个目标。

1 ACO-VMP虚拟机放置建模

(1)

这里x表示虚拟机v到物理主机p的放置矩阵xi,j， 定义如下：如果第j个虚拟机vj被重新放置到第i个物理主机pi, 则xi,j=1， 否则xi,j=0。 这里也描述了物理主机分配向量y， 如果yi上面至少有一个虚拟机放置，则yi=1， 否则yi=0， 公式如下