申请/专利权人：淮阴工学院

申请日：2023-12-08

公开（公告）日：2024-03-22

公开（公告）号：CN117742885A

主分类号：G06F9/455

分类号：G06F9/455;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于白鲸优化分层多目标优化方法，包括：在资源约束和时序约束条件下以最小化物理服务器的负载差异和最大化资源利用率为优化目标；虚拟机视为白鲸优化算法中的白鲸，通过改变位置向量在搜索空间中移动；在算法的探索阶段加入分层协调步骤，在随机划分出的领导层次上选择虚拟机作为领导虚拟机引导优化搜索，更新虚拟机位置；在算法的开发阶段引入多目标引导策略，为每个领导层次设置目标权重，虚拟机根据相邻虚拟机的位置更新位置信息；进行动态参数调整后，在不同层次和目标之间平衡探索和收敛，实现全局搜索和局部搜索之间的动态平衡，得到白鲸优化算法的最优解。本发明更高效地解决虚拟机与物理服务器生产调度的问题。

主权项：1.一种基于白鲸优化分层多目标优化方法，其特征在于，包括以下步骤：步骤一、确定虚拟机调度的优化目标和约束条件，白鲸优化算法初始化，包括：以最小化物理服务器的负载差异和最大化资源利用率为优化目标；最小化物理服务器的负载差异是将虚拟机均匀地分配到不同的物理服务器上，最大化资源利用率是在满足约束的前提下，最大程度利用物理服务器的资源；约束条件包括资源约束和时序约束，资源约束用于明确每台物理服务器的资源容量，以及每个虚拟机对资源的需求；时序约束用于明确虚拟机的启动和停止时间，以及虚拟机之间的依赖关系；虚拟机视为白鲸优化算法中的白鲸，通过改变位置向量在搜索空间中移动，设置白鲸优化算法初始参数，包括最大迭代次数、种群规模、待优化目标维度和搜索空间，对于每个虚拟机，随机分配一个初始的物理服务器；设置平衡因子区分算法不同阶段，平衡因子大于阈值进入探索阶段，否则进入开发阶段；步骤二、分层协调，多目标引导，包括：在白鲸优化算法的探索阶段加入分层协调步骤，首先为每个虚拟机计算领导分数，该分数包括虚拟机的适应度值以及虚拟机之间的关联度；适应度值用于衡量虚拟机在其分配的物理服务器上的合理性，关联度用于衡量虚拟机之间的相互关系；然后在随机划分出的每个领导层次上根据领导分数选择虚拟机作为领导虚拟机，每个领导层次设置一个领导虚拟机，领导虚拟机作为决策代表在不同的领导层次上引导优化搜索，更新虚拟机位置；在白鲸优化算法的开发阶段引入多目标引导策略，为每个领导层次设置目标权重，虚拟机根据相邻虚拟机的位置合作更新位置信息；步骤三、动态参数调整，迭代优化、收敛与探索平衡，包括：针对每个领导层次和目标，采用自适应的方法调整搜索半径，根据当前迭代次数以及目标的重要性，引入一个动态调整系数，该系数将基础搜索半径与权重因子相结合，以及根据迭代进度进行调整；完成动态参数调整后，进行平衡收敛与探索，结合领导虚拟机、分层协调和多目标引导策略，将目标权重引入到虚拟机位置的更新公式中，通过乘以归一化的权重因子，在不同层次和目标之间平衡探索和收敛，实现全局搜索和局部搜索之间的动态平衡，得到白鲸优化算法的最优解。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于白鲸优化分层多目标优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD