基于蚁群优化的虚拟机迁移算法，刘佳琦，李文生，随着云计算的规模扩大，数据中心快速发展，其能耗可观。因此，减少能耗十分重要。本论文提出了基于蚁群优化的虚拟机迁移算法，该

基于ARMA模型预测的云计算资源调度策略研究，重庆大学，硕士学位论文，2016年重庆大学硕士学位论文 中文摘要 摘要 现阶段,云计算作为一种新型髙效且价柊低廉的计算模式受到越来越多企业 的青睐,而云计算瓷源调度算法作为云计算研究的核心内容,对于它的研究从未 间断,当前科研工作者对于云资源调度算法己经进行了大量深入的研究,本文将 首先对当前主流的一些云计算资源调度策略进行简要的介绍,并对这些略的优 点和不足进行了分析,针对当前云计算资源调度策略中存在的宿主机开关机波动、 虚拟机迁移带有盲目性以及任

高能耗成为云数据中心的迫切问题。基于虚拟化技术，按需购买即用的资源供应范例已成为一种趋势。具体来说，虚拟机（VM）是数据中心中用于资源迁移和供应的基本资源单元。已经进行了许多研究来提高数据中心资源的利用率并通过虚拟机放置来降低功耗。作为最重要的功耗资源，CPU的频率范围是波动的。基于CPU频率缩放，提出了一种新的虚拟机放置方法。该方法分两个阶段实现。在初始阶段，我们提出了一种多目标启发式蚁群算法，它将找到节能和服务水平协议（SLA）的优化解决方案。在动态阶段，通过使用自回归预测和CPU频率缩放

云数据中心的高能耗已成为迫在眉睫的问题。近年来，云数据中心的规模和架构变得越来越庞大和复杂，这给能源消耗管理带来了更为严峻的挑战。本文提出了基于CPU频率缩放的虚拟机（VM）放置的新方法。在虚拟机初始部署阶段，我们提出了一种基于启发式蚁群算法的多目标优化方法，该方法可以满足节能和服务水平协议（SLA）的要求。在动态管理阶段，通过使用自回归预测和CPU频率缩放，该方法可以调整CPU利用率，同时减少VM迁移时间和迁移成本。实验结果表明，基于CPU频率缩放的节能算法在节能和满足SLA方面比传统的最佳拟