[发明专利]一种基于多目标蚁群算法的面向网构应用模块的部署优化方法

说明书

本发明涉及一种基于多目标蚁群算法的面向网构应用模块的部署优化方法，自动地探索搜索空间，旨在为一个网构应用程序找到一组帕累托最优部署体系结构，其满足要求的性能和成本，并表现出对两者的折中。该算法是对传统算法的改进版本，它引入一个舍弃精英策略防止算法过早收敛，并设计一个局部搜索过程加速获得可行解决方案的过程。在三个不同规模的实例上执行一组的实验，结果表明MACO‑DO算法比现有的部署优化算法更有前景。

技术领域

本发明属于软件部署与性能分析技术领域，具体涉及一种针对网构应用程序的性能提出了一种基于多目标蚁群算法的部署优化方法。

背景技术

网构软件是中国研究人员为Internet计算环境提出的一个新的软件范例，其是开放的、动态的和不断变化的。和传统软件系统不同的是，网构应用程序有意识运行环境动态变化和根据这些变化演变其结构和行为的能力，由此它可以提供给用户高质量的服务。然而，这样的自适应行为需要一些相关技术的支持。本发明重点在环境变化对一个网构应用程序的性能和成本的影响上，并研究通过优化其部署怎样以更好的性能/成本比提供给用户网构服务。

一个网构应用程序由一组部署在分布式硬件主机上的自主软件实体和一组使这些实体以不同方式协作的连接件组成。优化网构应用程序部署是对软件实体分配到硬件主机上做出最优的决策，这对其性能和成本有显著的影响。然而，做这些决策是有困难的，面临两个挑战。

首先，对一个网构应用程序来说可能存在许多可能的部署体系结构，通过搜索整个的部署空间这将花费很多的时间和成本找到最优的。一个网构应用程序可能的部署体系结构的数量在于软件实体和硬件主机的数量，并且前者常常是指数增长。所以，搜索整个部署空间是计算开销很高的，甚至是对中等规模的软件。

其次，性能提升和成本降低是冲突的，所以在搜索最优部署体系结构时需要对两者进行折中。例如，为了降低一个请求的响应时间，更多昂贵的基础设施需要租来部署软件；然而，这和降低成本这个目标是冲突的。所以，在产生冲突的目标中表现最优的折中很重要，而不是找到一个单一的最优部署解决方案。

发明内容

针对上述研究背景和问题，本发明提出一种基于多目标蚁群算法的部署优化方法(multi-objective ant colony optimization for deploymentOptimization， MACO-DO)，自动地探索搜索空间，旨在为一个网构应用程序找到一组帕累托最优部署体系结构，其满足要求的性能和成本，并表现出对两者的折中。给定多种帕累托最优部署体系结构，软件供应商可以更好的理解冲突的目标之间的折中，并根据其需求和预设为网构应用程序选择最好部署做出可取的决策。该方法是对传统算法的改进版本，它引入一个舍弃精英策略防止算法过早收敛，并设计一个局部搜索过程加速获得可行解决方案的过程。在三个不同规模的实例上执行一组的实验，结果表明MACO-DO方法比现有的部署优化方法更有前景。

为实现本发明所述目的采用的技术方案是：基于多目标蚁群算法的面向网构应用程序的部署优化方法，包括以下步骤：

一种基于多目标蚁群算法(MACO-DO)的面向网构应用模块的部署优化方法，其特征在于，具体步骤为：

1)设置初始化参数并完成对网构应用模块的初始化过程：设置网构应用模实体S及相关的参数函数TR、SR和IR，参数函数TR指定每个服务对1个请求的基准处理时间，即当分配给每个服务具有单位计算能力的资源时，它们处理 1个请求所需的时间；参数函数SR用于指定每个服务运行所需的内存空间；参数函数IR用于定义任意服务之间的交互关系；设置硬件模块主机H及相关的参数函数CP、AS和HC，参数CP指定每个硬件模块主机的计算能力，函数AS指定每个硬件模块主机可用的内存空间，函数HC指定每个硬件模块主机的运行成本；设置平均请求到达函数RA、目标函数和约束；

2)初始化信息素τ_k(i,j)和启发式η_k(i,j)：每个信息素应该设为初始值