[发明专利]基于截止日期驱动的云系统代价最小化资源分配方法

权利要求书

1.一种基于截止日期驱动的云系统代价最小化资源分配方法，其特征在于，包括以下步骤：

步骤1，云系统中云服务器收集各物理节点的可用资源；

步骤2，云系统中云服务器收集用户的任务请求；

步骤3，云系统中云服务器采用和声搜索方法对云系统中虚拟资源进行分配，具体步骤如下：

步骤3.1，云服务器初始化和声搜索方法的参数，具体为：

(1)初始化乐器的个数N_L、和声记忆库可保存的和声个数N_p、和声记忆库保留概率P_HMCR、记忆库扰动概率P_PAR和和声搜索方法的最大迭代次数N_g，并且令迭代次数序号gen＝1；其中N_L∈[4,6]、N_p∈[50,60]、P_HMCR∈[0.9,0.95]、P_PAR∈[0.1,0.15]和N_g∈[500,600]；

(2)初始化云系统中节点P_s资源的价格向量云系统中节点P_s资源的最大容量向量云系统中节点P_s剩余资源的容量向量云系统中任务t_i所需要的多维资源向量和云系统中任务t_i分配的多维资源向量其中P_s表示云系统中节点序号，t_i表示云系统中任务序号；

(3)初始化云系统中任务t_i的执行完成的截止时间D(t_i)，采用公式(1)确定云系统中执行任务t_i所需要的时间向量T(t_i)：

$T\left(t_i\right)=\underset{n=1}{\overset{N_L}{\Σ}}\frac{l_n\left(t_i\right)}{r_n\left(t_i\right)}---\left(1\right)$

其中，l_n(t_i)表示向量l(t_i)的第n个分量，r_n(t_i)表示向量r(t_i)的第n个分量；

(4)初始化和声记忆库，随机产生N_p个优化问题的初始解放入和声记忆库内，r(t_i)初始解需要满足公式(2)和公式(3)：

T(t_i)≤D(t_i)(2)

r(t_i)≤a(P_s)(3)

采用公式(4)确定执行任务t_i所需要的花费P[r(t_i)]：

$P\[r\left(t_i\right)\]=\frac{1}{N_L}\underset{n=1}{\overset{N_L}{\Σ}}{b}_n\left(P_s\right)r_n\left(t_i\right)T_n\left(t_i\right)---\left(4\right)$

其中，b_n(P_s)表示向量b(P_s)的第n个分量，T_n(t_i)表示向量T(t_i)的第n个分量；

步骤3.2，云服务器产生和声搜索方法的新解；

步骤3.3，确定新解的目标函数值，更新和声记忆库中的解向量；

步骤3.4，确定和声记忆库内的花费最小的解、以及该花费最小的解相应的云系统花费值；

步骤3.5，重复步骤3.2～3.4N_g次，输出最优和声解向量，N_g表示和声搜索方法最大迭代次数。