面向虚拟机整合问题的核搜索算法

虚拟机整合描述了在一组目标服务器上重新分配虚拟机（VM）的过程。它可表述为一个混合整数线性规划问题，并被证明是NP困难问题。在本文中，我们提出一种基于硬变量固定的核搜索（KS）启发式算法，以快速获得大规模虚拟机整合问题（VMCP）的高质量解。由于现有KS工作中的变量固定策略可能使VMCP不可行，我们提出的KS算法采用更高效的策略，根据相应的缩减成本选择一组固定变量。在VMCP实例上的数值结果表明，我们提出的KS算法在CPU时间上显著优于最先进的混合整数线性规划求解器，并且我们提出的变量固定策略显著提高了KS算法的效率，同时解质量的下降可忽略不计。