主页期刊介绍编委会编辑部服务介绍相关网站在线审稿编委办公编辑办公
2018年专刊出版计划 微信服务介绍 最新一期:2017年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孟凡超,初佃辉,李克秋,周学权.基于混合遗传模拟退火算法的SaaS构件优化放置.软件学报,2016,27(4):916-932
基于混合遗传模拟退火算法的SaaS构件优化放置
Solving SaaS Components Optimization Placement Problem with Hybird Genetic and Simulated Annealing Algorithm
投稿时间:2015-06-30  修订日期:2015-10-15
DOI:10.13328/j.cnki.jos.004965
中文关键词:  软件即服务(SaaS)  SaaS构件优化放置  虚拟机网络图  混合遗传模拟退火算法
英文关键词:software as a service(SaaS)  SaaS component optimization placements  virtual machine network graph  hybrid genetic and simulated annealing algorithm
基金项目:国家科技支撑计划(2014BAF07B02);国家自然科学基金(61432002);山东省重大科技专项(2015ZDXX0201B02);山东省自然科学基金(2015ZRA10032)
作者单位E-mail
孟凡超 哈尔滨工业大学(威海) 计算机科学与技术学院, 山东 威海 264209;大连理工大学 计算机科学与技术学院, 辽宁 大连 116024 mfc@hitwh.edu.cn 
初佃辉 哈尔滨工业大学(威海) 计算机科学与技术学院, 山东 威海 264209  
李克秋 大连理工大学 计算机科学与技术学院, 辽宁 大连 116024  
周学权 哈尔滨工业大学(威海) 经济管理学院, 山东 威海 264209  
摘要点击次数: 1370
全文下载次数: 1098
中文摘要:
      目前,对于SaaS优化放置问题的研究都是假定云环境中的虚拟机的种类和数量都是确定的,即,在限定的资源范围内进行优化.然而,在公有云环境下,SaaS提供者所需要的云资源数量是不确定的,其需要根据IaaS提供者所提供的虚拟机种类以及被部署的SaaS构件的资源需求来确定.为此,站在SaaS提供者角度,提出一种新的SaaS构件优化放置问题模型,并采用混合遗传模拟退火算法(hybrid genetic and simulated annealing algorithm,简称HGSA)对该问题进行求解.HGSA结合了遗传算法和模拟退火算法的优点,克服了遗传算法收敛速度慢和模拟退火算法容易陷入局部最优的缺点,与单独使用遗传算法和模拟退火算法相比,实验结果表明,HGSA在求解SaaS构件优化放置问题方面具有更高的求解质量.所提出的方法为SaaS服务模式的大规模应用提供了理论与方法的支撑.
英文摘要:
      Current researches on SaaS(software as a service) optimization placement mostly assume that the types and number of virtual machines are constant in cloud environment, namely, the optimization placement is based on the restricted resource. However, in actual situation the types and number of virtual machines are unknown, and they need to been calculated according to the resource requirement of components deployed. To address the issue, from the view of SaaS providers, this paper proposes a new approach to SaaS optimization placement problem that not only is applied to initial deployment of SaaS, but also is applied to component dynamic deployment in the running phase of SaaS. A hybrid genetic and simulated annealing algorithm(HGSA) is used in this approach that combines the advantages of genetic algorithm and simulated annealing algorithm, and overcomes the problems of the premature of genetic algorithm and the lower convergence speed. Compared with the separated using of genetic algorithm and simulated annealing algorithm, the experimental results show that HGSA has higher quality in solving the problem of SaaS component optimization placements. The approach proposed in this paper will provide the support of theory and method for the large-scale application of SaaS service mode.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利