论文部分内容阅读
【摘要】 随着社会的发展，各种信息数据的不断增加，使用传统的方式对这些数据进行处理，就不能满足当前社会发展的需求，在这种情况下，云计算就应运而出，将这一问题进行了解决，但是在使用云计算的过程中，还会出现负载不均衡的问题，为了更好的对云计算进行应用，本文首先就建立了相应的负载均衡智能优化模型，然后根据模型分析了云计算资源负载均衡模型集群智能优化算法，以使云计算的应用价值更高。
【关键词】 云计算 负载均衡 智能优化算法
引言：在当前阶段中，随着对科学技术的不断研究，虚拟化技术得到了大力的发展，增加了云计算中的资源数量，提高了云计算的计算能力，进而增加其在使用过程中的作用。但是，在其进行运行过程中，由于任务量较大，如何进行资源分配成为了一项新的难题，如果处理不好这一项问题，就会使云计算的作用无法完全的体现出来，因此，在当前情况下，加强对云计算资源负载均衡模型集群智能优化算法的研究具有重要的意义。
一、负载均衡智能优化模型
在云计算中，虚拟机在其中占据重要的作用，将云计算中的数据进行了有效的保存，在云计算进行工作的过程中就是虚拟机与任务的分配，根据其工作情况的不同，可以将其分为4个层次：第一个层次为任务接收层，进行资料的收集工作，并对其进行一定的处理，提交给虚拟机创建层；第二层次就是虚拟机创建层，根据接收到的资料信息，建立处不同的虚拟机，并将任务提交到相应的虚拟机上；第三层为负载均衡策略层，该层将虚拟机中的任务量进行分析，并将其转化为相应的数字信号，根据相应的均衡策略，将虚拟机提交到计算机上；最后一层就是计算机层，其可以根据虚拟机传递的数字信号，提供其所需要的资源，并将任务发放给各个虚拟机，将任务进行分配。对其进行优化时，是在任务调度的基础上对其进行改善的，不仅能求出任务的负载量，还可以推测出资源能力大小，根据其建立出相应的数学模型来进行分析[1]。
二、云计算资源负载均衡模型集群智能优化算法
2.1算法简介
在该优化负载均衡模型中使用的是遗传算法，其是借鉴生物学中的进化论研究出来的一种数学算法。首先对实际的信息进行收集，并将其进行编码，形成不同的染色体，相同的染色体集中到一起，就会形成初始群体，然后分别对每个群体进行相应的计算，计算出个群体中染色体的适应度评价，根据计算出来的结果，选择出良好的染色体进行遗传，进而使染色体向着更优的方向发展，经过多次的遗传后，就会得到最优解[2]。
2.2算法设计
1、初始化。在使用该算法的初始阶段中，首先需要进行假设，假设群体中候选解的数量为A，需要使用的计算机数量为B，虚拟机数量为C，然后将A个候选解进行不同的编码，就是将B个虚拟机提交到C个计算机上，可以形成A种不同的方案。
2、适应度函数设计。在对函数进行设计时可以发现，目标函数的数值为正数，这时要计算出其最小值，首先要计算出计算机中资源占用率的方差，其倒数就是适应度函数，
3、选择运算设计。根据计算出不同候选解的不同适应度，来推测出不同候选解被选择的几率，将其按照一定的比例在轮盘上标记出来，适应度越大，在轮盘中所占的比例就越大，被选择的几率就越高。
4、交叉运算设计。将上述选择出来的候选解进行简单的处理后，每两个候选解进行配对，使其一部分优质的基因进行对换，形成优势更强的候选解，适应度也就会随之提高，将设计方案进一步进行优化，更加贴近了最优解的距离。
5、变异运算设计。交叉运算是对整体范围内进行计算的，而为了使运算的结果更加的贴近最优解，还要进行局部的计算，这时就要进行变异运算设计，就是将其中的某些基因值进行变动，变动后的数值一般要求小于0.1[3].
三、总结
综上所述，为了使云计算在使用的过程中发挥出更大的作用，加强对其负载均衡模型集群智能优化算法研究具有重要的意义，提升了云计算中资源的利用效率，均衡了整个计算机中的使用负载，使得云计算的计算能力得到了有效的提高。但是，随着社会的发展，科学技术的不断进步，云计算内的资源也会不断地更改，因此，我们就不能对此满足，还要继续加强力度對其研究，使其在社会发展的各个阶段中都能够起到重要的作用。
参 考 文 献
[1]宁彬，谷琼，吴钊等.云计算环境下的混沌萤火虫的资源负载均衡算法[J].计算机应用研究，2014，06（11）：3397-3400.
[2]张牧.云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究[J].计算机科学，2013，10（S2）：60-62.
[3]程国建，刘丽景，石彩云等.一种混合遗传算法在云计算负载均衡中的应用研究[J].西安石油大学学报（自然科学版），2012，09（02）：93-97+122-123.
【关键词】 云计算 负载均衡 智能优化算法
引言：在当前阶段中，随着对科学技术的不断研究，虚拟化技术得到了大力的发展，增加了云计算中的资源数量，提高了云计算的计算能力，进而增加其在使用过程中的作用。但是，在其进行运行过程中，由于任务量较大，如何进行资源分配成为了一项新的难题，如果处理不好这一项问题，就会使云计算的作用无法完全的体现出来，因此，在当前情况下，加强对云计算资源负载均衡模型集群智能优化算法的研究具有重要的意义。
一、负载均衡智能优化模型
在云计算中，虚拟机在其中占据重要的作用，将云计算中的数据进行了有效的保存，在云计算进行工作的过程中就是虚拟机与任务的分配，根据其工作情况的不同，可以将其分为4个层次：第一个层次为任务接收层，进行资料的收集工作，并对其进行一定的处理，提交给虚拟机创建层；第二层次就是虚拟机创建层，根据接收到的资料信息，建立处不同的虚拟机，并将任务提交到相应的虚拟机上；第三层为负载均衡策略层，该层将虚拟机中的任务量进行分析，并将其转化为相应的数字信号，根据相应的均衡策略，将虚拟机提交到计算机上；最后一层就是计算机层，其可以根据虚拟机传递的数字信号，提供其所需要的资源，并将任务发放给各个虚拟机，将任务进行分配。对其进行优化时，是在任务调度的基础上对其进行改善的，不仅能求出任务的负载量，还可以推测出资源能力大小，根据其建立出相应的数学模型来进行分析[1]。
二、云计算资源负载均衡模型集群智能优化算法
2.1算法简介
在该优化负载均衡模型中使用的是遗传算法，其是借鉴生物学中的进化论研究出来的一种数学算法。首先对实际的信息进行收集，并将其进行编码，形成不同的染色体，相同的染色体集中到一起，就会形成初始群体，然后分别对每个群体进行相应的计算，计算出个群体中染色体的适应度评价，根据计算出来的结果，选择出良好的染色体进行遗传，进而使染色体向着更优的方向发展，经过多次的遗传后，就会得到最优解[2]。
2.2算法设计
1、初始化。在使用该算法的初始阶段中，首先需要进行假设，假设群体中候选解的数量为A，需要使用的计算机数量为B，虚拟机数量为C，然后将A个候选解进行不同的编码，就是将B个虚拟机提交到C个计算机上，可以形成A种不同的方案。
2、适应度函数设计。在对函数进行设计时可以发现，目标函数的数值为正数，这时要计算出其最小值，首先要计算出计算机中资源占用率的方差，其倒数就是适应度函数，
3、选择运算设计。根据计算出不同候选解的不同适应度，来推测出不同候选解被选择的几率，将其按照一定的比例在轮盘上标记出来，适应度越大，在轮盘中所占的比例就越大，被选择的几率就越高。
4、交叉运算设计。将上述选择出来的候选解进行简单的处理后，每两个候选解进行配对，使其一部分优质的基因进行对换，形成优势更强的候选解，适应度也就会随之提高，将设计方案进一步进行优化，更加贴近了最优解的距离。
5、变异运算设计。交叉运算是对整体范围内进行计算的，而为了使运算的结果更加的贴近最优解，还要进行局部的计算，这时就要进行变异运算设计，就是将其中的某些基因值进行变动，变动后的数值一般要求小于0.1[3].
三、总结
综上所述，为了使云计算在使用的过程中发挥出更大的作用，加强对其负载均衡模型集群智能优化算法研究具有重要的意义，提升了云计算中资源的利用效率，均衡了整个计算机中的使用负载，使得云计算的计算能力得到了有效的提高。但是，随着社会的发展，科学技术的不断进步，云计算内的资源也会不断地更改，因此，我们就不能对此满足，还要继续加强力度對其研究，使其在社会发展的各个阶段中都能够起到重要的作用。
参 考 文 献
[1]宁彬，谷琼，吴钊等.云计算环境下的混沌萤火虫的资源负载均衡算法[J].计算机应用研究，2014，06（11）：3397-3400.
[2]张牧.云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究[J].计算机科学，2013，10（S2）：60-62.
[3]程国建，刘丽景，石彩云等.一种混合遗传算法在云计算负载均衡中的应用研究[J].西安石油大学学报（自然科学版），2012，09（02）：93-97+122-123.