田海梅，徐胜超

（1.金陵科技学院计算机工程学院，南京211169；2.广州华商学院数据科学学院，广州511300）

引 言

低能量消耗与高服务质量是绿色云数据中心的主要性能目标，目前国内外的研究主要采用虚拟机迁移技术来达到这2个目标［1-3］。虚拟机迁移的过程非常复杂，涉及物理主机负载检测、虚拟机选择与虚拟机重新分配及优化等3个阶段。虚拟机分配及优化阶段是最重要的一个阶段，属于多目标优化问题或者装箱问题［4］，它没有最优解，只能在目标函数中得到一定程度的最优，目前针对虚拟机分配及资源优化过程有很多智能算法对其进行优化，例如遗传算法［5］、贪心算法［6］、粒子群优化算法［7］、蚁群算法［8］、强化学习优化算法［9］、萤火虫群优化算法［10］以及蛙跳算法［11］等。这些智能优化方法都不同程度地存在早熟和收敛速度慢的问题，同时已有的智能虚拟机分配算法在硬件上往往都只考虑了一维的因素（处理器的温度或者主频，内存利用率或者磁盘大小），其实云数据中心的能量消耗模型是一个多维的非线性数学模型，需要综合考虑多个因素；另外云客户端的资源访问模型也需要重新设计。基于此，本文提出了新型的虚拟机分配及优化策略。花授粉算法（Flower pollination algorithm，FPA）也是近年来新提出的一种解决多目标优化的智能算法，它将局部最优解搜索和全局最优解搜索结合起来，具有良好的性能。针对上述虚拟机分配及优化的特点和花授粉算法的比较，本文提出了云数据中心基于花授粉算法优化的虚拟机分配策略（Flower pollination algorithm based virtual machine allocation，FPA-VMA）。……