[发明专利]面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法

权利要求书

1.一种面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，包括以下步骤：

步骤S1:初始化时间窗口参数；

步骤S2:采用改进的PSO-GA算法，并基于QoS预测模型，搜索窗口内的目标资源分配方案；

步骤S3:根据得到的目标资源分配方案，对当前的虚拟机分配方案作出相应调整。

2.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述时间窗口参数包括时间窗口对应的负载、负载对应的增加虚拟机分配方案以及虚拟机分配方案。

3.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述改进的PSO-GA算法采用变异运算和交叉运算，来代替原始粒子的运动。

4.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述改进的PSO-GA算法采用离散编码方式对PSO的粒子进行编码，对于时间窗口k，窗口内的增加虚拟机资源分配方案表示为：

其中l为时间窗口k的长度，它表示窗口内增加虚拟机资源分配方案的数量；

将窗口k内增加虚拟机分配方案ADD^k作为粒子X，一个粒子代表窗口k对应的增加虚拟机资源分配方案；

设窗口中虚拟机类型有m种，窗口长度为l，则第i个粒子的第t次迭代表示为：

每个粒子由m×l个元素构成；表示i^th粒子在t^th迭代后，时间窗口内j^th增加虚拟机分配方案中k^th虚拟机类型的数量，且每种虚拟机类型数量的取值在[0,4]之间。

5.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述改进的PSO-GA算法的适应度函数，具体为：

设时间窗口的长度为l，则窗口i内的负载Wⁱ表示为：

窗口i内的负载是分段函数；

时间窗口i内的虚拟机资源分配方案VMⁱ通过窗口i内增加的虚拟机资源分配方案ADDⁱ计算得到，ADDⁱ下式所示：

则VMⁱ表示为：

对窗口i内增加的虚拟机资源分配方案ADDⁱ进行粒子编码，VMⁱ通过粒子编码计算得到；

由于引入了时间窗口，则由上述公式，适应度函数表示为：

fitness函数中的QoS值为窗口i内总的QoS值，其中w_k∈Wⁱ，表示窗口i内l个时段中某个时段的负载；而vm_k∈VMⁱ，表示窗口i内l个时段中某个时段的虚拟机资源分配方案。

6.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述改进的PSO-GA算法采用遗传算法的交叉变异过程来更新整个粒子群的状态。

7.根据权利要求1所述的面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，其特征在于，所述目标资源分配方案通过PSO-GA算法在窗口内搜索，表示为：

将中的第一个增加虚拟机资源分配方案add_i作为t_i时刻虚拟机资源分配的调整方案。