[发明专利]一种基于粒子群遗传算法的计算平台负载平衡方法

权利要求书

1.一种基于粒子群遗传算法的计算平台负载平衡方法，其特征在于，包括：

采集云服务端的平台参数；

将所述平台参数通过粒子群算法得到初步优解；

将所述初步优解作为遗传算法的初始种群进行计算，通过适应度函数实现种群优化并判断是否达到停止条件，从而得到最优结果，实现负载平衡。

2.如权利要求1所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述平台参数包括任务信息和资源信息。

3.如权利要求1或2所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述粒子群算法包括：

初始化粒子，将任务分别分配至相应自治域中的虚拟机上；

计算能耗，并判断任务分配方案是否可行。

4.如权利要求3所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述判断任务分配方案是否可行的标准为：判断虚拟机上是否有执行任务所需要的硬件或软件。

5.如权利要求4所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述粒子群算法还包括：

若任务分配方案判断为可行则保存任务分配方案并更新参数与粒子位置；

若任务分配方案判断为不可行则再次进行初始化；

在更新参数与粒子位置后，判断其是否达到初步优解的条件，若达到则将初步优解代入遗传算法；若没达到则再次更新参数与粒子位置。

6.如权利要求5所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述计算能耗，表示为：

其中，P_t表示t时刻的总功率，P_iF表示在物理机i在F负荷率下的功耗。

7.如权利要求6所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述更新参数与粒子位置，表示为：

其中，x_i(t)指定粒子i在时间t的位置；每个粒子还需要速度才能在空间中移动；v_i(t)指定粒子(i)在时间(t)的速度；粒子能够记住在整个组中遇到的最佳位置，设为位置C₁和C₂的两个值是常数，W是从W_max到W_min线性减小的初始权重。t_max是算法的最大重复次数。

8.如权利要求6或7所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：

所述初步优解的条件判断方法，表示为：

其中，表示第i次迭代中的t时刻总功耗，ε表示迭代精度。

9.如权利要求8所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述适应度函数表示为：

其中，T表示虚拟机的所有计算能力，L表示虚拟机分配给请求后剩余的计算能力，m为虚拟机或主机的数量，下标c、r分别代表实体机的CPU和RAM，i为虚拟机编号，α、β分别为CPU和RAM的资源使用率。

10.如权利要求9所述的基于粒子群遗传算法的计算平台负载平衡方法，其特征在于：所述判断是否达到停止条件得到最优结果，包括：

停止条件为适应度函数中的参数：负载率差或迭代次数；

当先达到负载率差的设定值时，则停止优化，输出最优结果；

当先达到迭代次数的设定值时，则返回继续进行适应度计算，直到达到负载率差的设定值时，停止优化，输出最优结果。