摘要：近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

摘要：该文针对总路径长度最小的多旅行商问题,提出一种改进分组遗传算法。在该算法中,设计了一种有序分组编码,采用新编码方式的个体与多旅行商问题有效解之间具有一一对应的关系。为了减少算法的运行时间,根据编码的特点构造了一种快速交叉算子。同时,结合贪婪算法和2-opt算法设计了一种新的局部搜索算子,以提高算法的收敛精度。实验结果分析表明,所提算法能够有效地解决多旅行商问题,具有可靠的全局收敛性,较高的计算效率。

摘要：为了提高云计算的资源利用率以及减少能耗,采用改进的分组遗传算法来解决虚拟机放置的效率。通过对遗传算法的交配和突变等过程进行重新设计,提高遗传算法过程中优秀基因遗传给后代的几率,并提出了相应的算法,达到快速求解虚拟机放置问题的目的。实验结果表明,该算法可以快速采用最少的物理机来放置虚拟机,有效地提高了虚拟机放置问题的求解速度。

摘要：通过设计一种适应度函数,利用分组遗传算法结合BF算法和FFD算法来对此适应度函数进行优化,从而求得一个优化的装箱结果。用C++实现该算法并对装箱实例进行仿真实验与比较,结果表明:在遗传算子的交叉操作过程中采用FFD+GGA的混合分组遗传算法是一种解决装箱问题的有效方法,在大部分情况下用很短的时间都可求得最优解。

摘要：海上固定平台模块钻机模块划分方案是钻机设计的关键技术之一,模块划分情况直接影响到整个钻机的设计和制造。将定性与定量分析相结合,通过建立模块划分数学模型,运用分组遗传算法对目标函数求解,以7000m海洋钻机为例,得出模块划分方案,并分析了其模块划分方案的合理性。

摘要：针对云环境下服务器内部多种资源间分配不均衡问题,提出了一种多维资源协同聚合的虚拟机调度算法MCCA。该算法在分组遗传算法的基础上,采用模糊逻辑及基于资源利用率多维方差的控制参量,设计适应度函数指导搜索解空间。算法使用基于轮盘赌法的选择方法,并对交叉和变异等进行了优化,以实现快速有效地获取近似最优解。在CloudSim环境下进行了仿真,实验结果表明该算法对均衡多维资源分配和提高资源综合利用率具有一定的优势。

摘要：计算机软件在军用装备中所占比重越来越大,软件质量的好坏决定着装备质量的高低,而软件测试则是提高软件质量的重要手段。UML状态图是一种广泛用于基于模型测试的建模方法,迁移覆盖是其中重要的测试覆盖准则。状态图中迁移之间的依赖关系会使得迁移路径不能按照输入序列来执行,从而导致覆盖率的下降,影响测试效果。为此,提出了一种改进的分组遗传算法来实现可执行迁移路径的自动生成,该算法通过合理设计编码方式和适应度函数来解决问题。算法在遗传操作中引入自适应的交叉和变异算子以及模拟退火机制来提高求解速度,加入修补算子对个体长度进行限制。实验结果表明,该方法能够在缩小遗传种群规模和减少遗传代数的基础上提高迁移覆盖率。

摘要：指挥控制组织面临的环境具有高度的不确定性。为了满足指控组织能够适应预测到的使命环境的需求,提出了鲁棒性组织的概念。分析了面向任务的组织设计三阶段方法,并从中抽取出使指控组织满足鲁棒性要求的关键问题——进行决策者—资源分配,从而获得具有鲁棒性的决策者之间的协调网络。通过将组织设计过程中的决策者—资源分配问题抽象为数学规划问题,建立了解决鲁棒性决策者协调网络的模型,并为解决该类问题设计了分组遗传算法。最后用一个实际案例进行计算,对比分析表明,分组遗传算法获得的结果具有更好的鲁棒性和组织性能。

摘要：针对云数据中心能耗和服务器内部资源负载不均衡问题,提出一种面向云数据中心能效优化的虚拟机放置算法。建立多维资源模型、能耗模型和负载均衡度量指标,在分组遗传算法基础上,采用资源利用率多维标准差控制参量,设计适应度函数引导搜索解空间,通过定义基因评估参数并结合传统启发式算法对交叉、变异等方面进行优化,提高搜索最优解的效率。实验结果表明,该算法可以有效降低启用物理机的数目,最小化数据中心能耗,提高数据中心整体能效。

摘要：业务合理迁移部署是私有云高效使用的前提与关键,然而,由于业务对资源需求突发增长、部署时业务之间存在约束等因素的存在使得业务合理部署困难。为解决上述问题,本文对业务迁移部署问题进行建模,充分考虑了业务系统的重要性差异和应用组件之间的约束关系,采用资源预留机制来保证业务稳定运行,并在理论分析的基础上设计了一种基于分组遗传算法的业务迁移部署方法。方法采用分组方式对迁移方案进行映射,首先,按照顺序部署的方式生成满足约束的初始方案,然后,综合根据方案中物理服务器的资源利用情况、应用组件的等级和其对资源的需求,交叉生成新的部署方案,其次,根据物理服务器的资源闲置情况,变异生成新的部署方案,并通过混合策略选择方案来迭代搜索,最后,迭代完成后输出最终结果。实验结果表明本方法能有效解决业务迁移部署问题。