36、基于改进灰狼优化算法的云数据中心重复任务消除以实现能源最小化

基于改进灰狼优化算法的云数据中心重复任务消除以实现能源最小化

1. 引言

随着云技术的成熟和可行性提升，云服务的可用性显著增加。不同云服务提供商的服务强调不同的性能因素，许多云客户难以确定最适合自身需求的云服务，可能会选择不合适的服务，从而造成财务损失和时间延误。为解决这一问题，有研究提出了一种三层高效系统，用于分析和排名IaaS、PaaS和SaaS云服务。

云计算通过虚拟化和互联网连接提供各种服务和资源，对人类生活产生了重大影响。它是一种快速发展的技术，应用于教育、工程、医疗等多个领域。云数据中心在存储和访问资源及应用程序方面起着关键作用，需要高效的管理和负载均衡技术。

虚拟化，特别是通过虚拟机（VM），是云计算的关键组成部分，它允许创建和分配虚拟资源。负载均衡技术用于优化VM性能、提高用户满意度和改善资源利用率。负载均衡将流量分配到服务器之间，以最小化响应时间并确保最大吞吐量。虚拟化还允许动态调配资源，优化利用率并降低能耗。不同的负载均衡方法，包括静态和动态方法，用于任务分配和负载均衡。元启发式算法用于解决复杂的负载均衡问题，并在云环境中优化资源分配。不同的机器学习算法有助于在资源有限时最小化成本并减少执行时间。

然而，在不同VM和物理设备之间进行数据分配时，有时会出现数据重复的情况，这会影响数据中心的性能，导致负载不足或过载。为改善这种情况，不同的研究采用了不同的方法。

2. 相关工作

通过对灰狼优化器在每次迭代中精确定位所需个体的分析，结合OCBA - Mb与GWO已被证明可以显著提高GWO在解决随机优化问题时的探索效率。此外，所提出的经济划分规则可以与所有当前基于种群的元启发式算法一起使用，这些算法需要从可