多目标遗传算法优化下的虚拟机调度：资源利用与能耗降低

本文研究围绕"基于多目标的虚拟机调度"这一主题展开，由申子凯和张笑燕两位学者共同完成，他们在北京邮电大学软件学院合作撰写。随着虚拟化技术的飞速发展，数据中心能够在一个物理服务器上运行多个相互独立的虚拟机，极大地提高了资源利用率，但同时也带来了数据中心能耗问题。为了兼顾提高物理服务器资源的使用效率以及降低整体能耗，研究者们设计了一种综合性的评价函数，并在此基础上结合了模拟退火算法的思想对传统的遗传算法进行了优化。 他们提出了一种创新的虚拟机调度策略，运用遗传算法进行实施，目标是实现数据中心效益的最大化。这种策略旨在在满足资源利用率的同时，有效地控制能源消耗，以达到可持续发展的数据中心管理目标。通过仿真实验，结果显示，他们的方案不仅显著提升了资源的利用率，而且成功降低了单位时间内的数据中心能耗，证明了其在实际应用中的可行性和有效性。 该研究的关键词包括云计算、遗传算法、模拟退火算法、多目标优化以及虚拟机调度，这些关键词反映了论文的核心内容和研究背景。论文的分类号为TP391，表明这属于计算机科学与信息技术领域的研究，具体涉及到了云计算环境下的资源管理和优化问题。 这篇论文提供了对现代数据中心运维策略的重要见解，强调了在追求效率和节能之间的平衡，对于理解和优化虚拟化环境下数据中心的运营具有重要的理论价值和实践指导意义。