基于蚁群优化的虚拟机迁移算法：能耗降低与SLAV优化

本文主要探讨了"首发论文"《基于蚁群优化的虚拟机迁移算法》的研究成果。作者刘佳琦和李文生来自北京邮电大学计算机学院，他们的研究集中在云计算领域，特别是如何通过优化算法来降低数据中心的能耗问题。文章关注的核心问题是虚拟机迁移过程中的关键性能指标，包括能耗、服务质量协议违反率（SLA violation rate）以及虚拟机迁移次数。 研究者提出了一种新颖的算法，采用了蚁群优化技术，旨在提高虚拟机迁移效率的同时，减少能源消耗。他们将这一算法与CloudSim平台中的基准算法进行对比，这些基准算法包括云模拟中的四分位距算法（IQR）、局部加权回归算法（LR）、随机选择算法（RS）、最大关联算法（MC）以及能耗感知降序最佳适应算法（PABFD）。实验数据来源于PlanetLab在2011年3月不同时期的任务数据。 通过实验结果的展示，如图1至图4所示，新提出的算法在能耗、虚拟机迁移次数和SLA违反率方面表现优异。相比于其他算法，它显著降低了能耗，减少了不必要的虚拟机迁移，并保持了较低的SLA协议违反率。特别是与改进的蚁群算法相比，虽然总体SLAV（总服务质量）稍有差距，但整体上仍具有竞争力。 这项研究对于云计算中心的能源管理具有重要意义，因为它不仅提供了一个有效减少能源消耗的方法，还可能提升系统的稳定性和用户体验。论文的关键词包括云计算、虚拟机迁移、蚁群算法，以及相关的技术分类号TP391。李文生作为通讯作者，她的研究兴趣涵盖了数据库系统及应用、多媒体技术和网络信息处理等领域。 这篇首发论文为解决云计算数据中心能耗问题提供了创新性的解决方案，并通过实证分析证实了其在节能减排和性能优化方面的优势，对于云计算领域的进一步发展和技术优化具有积极的推动作用。