cloudsim蚁群算法虚拟机迁移策略

Question

云计算仿真平台：cloudsim4.0
在选择好要迁移的虚拟机之后，展开对待迁移虚拟机的目标主机选择过程：
讲几个关键点：
1.信息素浓度初始为当前时刻各个cpu利用率的倒数或者自己设定一个缺省值

2.启发因子为目标主机在迁移之后的cpu剩余容量的倒数，如果超载了则启发因子为0

3.目标函数目前来说我不知道要设置为什么比较好，我看了相关文献后，认为目标函数为迁移完成后关闭的物理主机的个数，但是文献中提到了还加上了一个迁移计划M，但我不理解这个M从数值上表达的是什么东西

4.信息素浓度更新
对于信息素的浓度更新方法，我初步选择的是在当前迭代中所有蚂蚁走完之后再进行更新

5.对于当前蚂蚁在选择的时候是不是要在每一次选择一个虚拟机到主机的映射之后要对主机的CPU负载进行一次更新呢？因为如果没有更新的话，会不会出现一个主机被多次选择，这样会导致后面在迁移的时候物理主机过载的情况。但是如果这里更新了主机的cpu容量那么前面涉及到的信息素浓度和启发因子的cpu容量和利用率是不是也要更新？我觉得好像不是这么想的，感觉有点矛盾不知道怎么办

以上，在逻辑上是否行得通，请各位给出有用的建议谢谢！

Answer 1

1.关于信息素浓度的设置，当前时刻各个 CPU 利用率的倒数可以作为初始值，但这个值应该会不断更新和调整，以反映系统实际的变化情况。另外，可以考虑引入其他因素，如网络带宽、内存容量等，来更全面地评估主机的可用性。

2.启发因子的设定比较合理，如果目标主机在迁移之后的 CPU 剩余容量为负数，说明该主机已经超载，不应该作为迁移目标。

3.关于目标函数的设定，迁移完成后关闭的物理主机数量和迁移计划 M 都是可以作为目标函数的一部分来衡量系统性能的指标。具体来说，目标函数可以分为两部分，即

f(M) = |P(so)|^γ + (1/|M|)^γ

其中第一部分 |P(so)|^γ 表示通过迁移计划 M 执行后会关闭的物理主机数量的惩罚项，其中 P(so) 是将要关闭为睡眠状态的物理机集合，γ 是一个参数，决定了这个惩罚项的权重。第二部分 (1/|M|)^γ 表示迁移计划 M 的规模的惩罚项，其中 |M| 是迁移计划 M 的大小，γ 是一个参数，决定了这个惩罚项的权重。通过这个目标函数的设定，可以促使系统尽可能少地关闭物理主机，并且尽可能少地执行迁移操作。

总体来说，上述逻辑上是可行的。不过，具体实现的效果还需要进行测试和优化。建议在实现过程中注意调整参数，以使得目标函数能够更好地反映系统的性能。另外，需要注意算法的复杂度，以确保能够在实际系统中高效地运行。