.png){kind=icon}
返回
Task-Driven Virtual Machine Optimization Placement Model and Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/fi17020073.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在云计算数据中心中，如何平衡用户与云服务提供商的利益是一个具有挑战性的问题。本研究提出了一种面向任务负载的虚拟机（VM）优化放置模型和算法，综合考虑了虚拟机放置和用户的计算需求。首先，将虚拟机放置建模为一个多目标优化问题，旨在最小化任务负载的完工时间、用户租赁成本以及云计算数据中心的能耗；然后，通过引入基于Logistic映射的种群初始化（LMPI）和精英引导算法，提出了改进的混沌-精英NSGA-III（CE-NSGAIII）算法；最后，采用所提出的CE-NSGAIII求解上述优化模型，并通过结合上述子算法，开发了一种基于CE-NSGAIII的虚拟机放置方法。实验结果表明，使用CE-NSGAIII获得的帕累托解集在收敛性和多样性方面优于对比算法，并得到了一个具有更短完工时间、更低用户租赁成本和更少能耗的优化虚拟机放置方案。
Keyword:
cloud computing
cloud data center
VM placement
task scheduling
multi-objective optimization
期刊
IF:
3.6
论文数:
1.3K
被引数:
6.5K
机构
暂无机构信息
引用论文
An improved African vultures optimization algorithm based on tent chaotic mapping and time-varying mechanism.png)
PLOS ONEOAAI
PLOS ONEIF0
OAAI分享收藏
分享收藏分享收藏Virtual machine placement in cloud data centers using a hybrid multi-verse optimization algorithm
PREAI
分享收藏
查看更多内容