论文部分内容阅读
针对云计算机资源管理过程中如何减少人工操作,达到资源自适应管理这一问题,提出了基于负载相似度的神经网络负载预测算法和基于混合分组编码的多目标遗传算法的资源管理策略。针对不同神经网络和不同规模物理节点,分别在Matlab和Cloud Sim环境下进行了仿真实验。实验结果表明,基于负载相似度的Elman神经网络负载预测算法适应云计算机系统的动态特点,可以有效提高资源负载预测的准确性;基于混合分组编码的多目标遗传算法的资源管理策略能在减少虚拟机迁移次数的同时优化物理机使用数量。