基于粒子群優(yōu)化PSO算法的部署策略

　針對云計算基礎(chǔ)設(shè)施即服務(wù)（IaaS）中的虛擬機部署問題，提出一種基于粒子群優(yōu)化（PSO）算法的部署策略。由于PSO算法在處理虛擬機部署這類大規(guī)模復(fù)雜問題時，具有收斂速度慢且容易陷入局部最優(yōu)的缺點，首先，引入多種群進化模式提高算法收斂速度，并在此基礎(chǔ)上加入高斯學習策略避免局部最優(yōu)，提出了一種多種群高斯學習粒子群優(yōu)化（ MCL-PSO）算法；然后，根據(jù)部署模型，使用輪詢（RR）算法對MGL-PSO進行初始化，進而提出了一種以負載均衡為目標的虛擬機部署策略。通過在CloudSim中進行仿真實驗，驗證了在解決虛擬機部署問題時，MGL-PSO相比PSO算法，具有更快的收斂速度，并且負載不均衡度降低了13. 1%。在兩種實驗場景下，所提算法相比隨機負載均衡（OLB）算法，其負載不均衡度分別平均降低了25%和15%；相比貪婪算法（GA），使負載不均衡度分別平均降低了l9%和7%。
?