[发明专利]一种面向网络靶场的多目标优化虚拟机部署方法

权利要求书

1.一种面向网络靶场的多目标优化虚拟机部署方法，其特征在于：包括如下步骤：

S1：获取靶场的物理机的数量m，获取每个物理机P_j的CPU规格内存规格和带宽规格使用和分别记录物理机P_j已经使用的CPU、内存和带宽资源，获取待部署的虚拟机集合

令S_x代表第x个场景，n代表场景的数量，获取第x个场景中虚拟机请求的CPU资源内存资源和带宽资源

S2：初始化算法所需参数α、β、ρ，以亲密度τ(0)和期望启发因子η(0)对虚拟机

和物理机P_j之间的亲密度τ(i，j)和期望启发因子η(i，j)进行初始化，设定控制节点的数量等同于场景数量n，当前控制节点为con₁，设置最大迭代次数I_max，当前迭代次数I＝0，所述α代表亲密度的重要程度，β代表期望启发因子的重要程度，ρ代表亲密度挥发程度；

S3：选取第k个控制节点，记为con_k，为con_k初始化禁忌表tabu_k＝{}，代表已被部署的虚拟机，建立待部署虚拟机集合allowed_k，tabu_k+allowed_k＝VM，用F_k表示第k个控制节点找到的解，令f(F_k)表示该解对应的通信开销和负载失衡度的乘积；

S4：从集合allowed_k中随机选择虚拟机计算能容纳虚拟机的物理机集合

S5：依次按顺序从步骤S4所得的物理机集合中选取物理机P_j，根据期望启发因子更新式计算虚拟机和物理机P_j新的期望启发因子η(i，j)，其中MD_i，j表示虚拟机和物理机P_j资源的欧氏距离，m代表虚拟机所属场景S_x中已部署的虚拟机个数，代表将虚拟机i部署到物理机j上对应的通信代价；

S6：根据虚拟机和物理机P_j之间的亲密度τ(i，j)和期望启发因子η(i，j)计算虚拟机部署到物理机P_j上的概率并以此概率完成部署，然后将虚拟机从allowed_k移入禁忌表tabu_k；

S7：更新虚拟机所选部署物理机P_j剩余的资源；

S8：若allowed_k为空，则跳转到步骤S9，否则跳转到步骤S4；

S9：若k小于控制节点数量n，则k＝k+1，跳转到步骤S3，否则跳转到步骤S10；

S10：根据控制节点con_k，k＝1，2，...，n，找到的解F_k，计算该解对应的目标函数f(F_k)，找出最小目标函数对应的解F_min；

S11：根据最优解F_min使用全局更新方式更新各虚拟机与部署的物理机的亲密度；

S12：若当前迭代次数I小于最大迭代次数I_max，则I＝I+1，k＝0，跳转至步骤S3，否则输出全局最优解F_min。

2.根据权利要求1所述的一种面向网络靶场的多目标优化虚拟机部署方法，其特征在于：所述步骤S3中对应的目标函数f(F_k)计算公式为：

其中，NB_j代表物理机P_j不同资源的负载失衡度，其中上标h代表CPU、内存和带宽3种不同资源，代表资源h的利用率，代表3种资源的平均利用率；CP代表虚拟机通信代价，其中x_i，j代表虚拟机和是否有通信需求，当且仅当虚拟机同属一个场景时，才会产生通信，d_i，j代表和之间的通信距离。

3.根据权利要求2所述的一种面向网络靶场的多目标优化虚拟机部署方法，其特征在于：所述步骤S3中用和是否部署到同一个物理机上来量化通信距离d_i，j，若和部署在同一个物理机上，距离为1，部署在不同物理机上距离为2，若或当前尚未部署，则暂不考虑通信关系，距离为0。