基于粒子群优化PSO算法的部署策略

　针对云计算基础设施即服务（IaaS）中的虚拟机部署问题，提出一种基于粒子群优化（PSO）算法的部署策略。由于PSO算法在处理虚拟机部署这类大规模复杂问题时，具有收敛速度慢且容易陷入局部最优的缺点，首先，引入多种群进化模式提高算法收敛速度，并在此基础上加入高斯学习策略避免局部最优，提出了一种多种群高斯学习粒子群优化（ MCL-PSO）算法；然后，根据部署模型，使用轮询（RR）算法对MGL-PSO进行初始化，进而提出了一种以负载均衡为目标的虚拟机部署策略。通过在CloudSim中进行仿真实验，验证了在解决虚拟机部署问题时，MGL-PSO相比PSO算法，具有更快的收敛速度，并且负载不均衡度降低了13. 1%。在两种实验场景下，所提算法相比随机负载均衡（OLB）算法，其负载不均衡度分别平均降低了25%和15%；相比贪婪算法（GA），使负载不均衡度分别平均降低了l9%和7%。