云虚拟机资源分配：效益最大化模型与模糊次梯度算法

"基于效益最大化的云虚拟机资源分配研究 (2016年)" 这篇论文主要探讨了如何在云环境中实现虚拟机资源分配的效益最大化。作者针对当前云资源分配研究中忽视用户效益这一问题，提出了一种新的模型，旨在确保用户在使用云资源时能获得最大的效益。 该模型的核心是采用计算资源作为研究对象，借鉴了网络带宽分配的效用最大化（Network Utility Maximization, NUM）理论。NUM模型通常用于在网络流量调度中最大化整体用户满意度，而在这里，它被用来优化云环境中的虚拟机资源分配。通过建立数学模型，作者利用拉格朗日函数来简化问题，将原问题转化为求解拉格朗日对偶函数。这种转化使得问题的求解变得更加简便，同时引入模糊次梯度算法，这是一种在非确定性环境中求解优化问题的有效方法。作者通过理论分析证明了该算法可以找到模型的最优解。 在实际应用中，该模型被应用于云虚拟机资源的分配，并与LINGO软件的求解结果进行了对比。LINGO是一款广泛使用的优化问题求解工具，通过对比，验证了所提出的模型不仅具有可行性，而且算法具有良好的收敛性。实验结果显示，模型能够在虚拟机资源分配过程中有效地实现用户效益的最大化目标。 这篇论文的贡献在于提供了一个考虑用户效益的云资源分配框架，这对于提高云服务提供商的服务质量和用户满意度具有重要意义。同时，模糊次梯度算法的应用为处理不精确或不确定的数据提供了新的解决方案，对于处理复杂云环境下的资源分配问题具有一定的创新性。 关键词：虚拟机资源分配；效益最大化；NUM模型；模糊次梯度算法 中图分类号：TP302 文献标志码：A 文章编号：1001-3695(2016)10-2963-04 doi：10.3969/j.issn.1001-3695.2016.10.020 这项研究工作由国家自然科学基金资助项目（61402529）和陕西省自然科学基金研究计划资助项目（2015JQ6266）支持。作者包括罗杰（硕士研究生，主要研究方向为云资源管理）、张之明（副教授，硕导，主要研究方向为云计算）、高志强（博士研究生，主要研究方向为智能计算、优化算法）以及程川（硕士研究生，主要研究方向为云计算、数据挖掘）。