[发明专利]一种基于蚁群算法的部署优化方法

摘要

本发明针对软件部署优化问题提出了一种新的基于蚁群算法的部署优化方法(Ant Colony Optimization for Deployment Optimization，ACO‑DO)。该方法利用效用函数平衡冲突的性能评价因素，通过设计基于问题的启发式，提高算法的收敛速度；通过在部署方案构建过程中，考虑方案组件的选择顺序，提高部署方案的构建质量；通过增加局部搜索过程，避免过早收敛于局部最优解。理论分析和实验结果表明，在实现软件部署优化问题时，ACO‑DO比现有的蚁群系统(Ant Colony System,ACS)、遗传算法(Genetic Algorithm,GA)具有更好的综合性能。

主权项

1.一种基于蚁群算法的部署优化方法，其特征在于，包括：构建面向服务软件的部署优化模型，部署优化模型主要包含四部分：应用软件模型ASM、运行平台模型RPM、应用场景AS、和约束CON，其中，ASM用于提供部署软件的信息，RPM提供用于部署的硬件节点信息，AS提供软件性能评估的其它相关因素信息，CON提供软件部署过程中所需满足的约束条件；基于三种预设性能指标定义目标函数，三种预设性能指标为组合服务的平均延迟时间、组合服务的平均吞吐量以及硬件资源的平均利用率，目标函数定义为公式(1)：其中，d为部署方案，UF_u、UF_l和UF_t分别表示硬件节点的利用率、组合服务的平均延迟时间、组合服务的平均吞吐量所对应的效用函数；使用UC表示使用该软件的所有用户，为一非空用户集，uc_i表示其中第i个用户；使用N表示可供软件部署的所有硬件节点，为一个非空有限硬件节点，n_j表示其中第j个硬件节点；使用CW描述一个组合服务时服务之间的交互关系，为一个非空有限控制流集，第i个控制流w_i为描述了第i个组合服务；l_k和t_k分别表示在部署方案d下第k类组合服务的平均延迟时间和平均吞吐量；u_j表示在部署方案d下第j个硬件节点的利用率；根据构建的部署优化模型和目标函数设计基于蚁群优化的软件的部署优化方法ACO‑DO，并基于优化方法ACO‑DO对软件的部署进行优化。