云计算中面向资源分配的分层多智能体优化
分布式、并行与集群计算
2020-12-03 v1 系统与控制
系统与控制
摘要
在云计算中，一个重要问题是根据需求将服务节点的可用资源分配给所请求的任务，并使目标函数最优，即最大化资源利用率、收益和可用带宽。本文提出一种分层多智能体优化（HMAO）算法，以最大化云计算中的资源利用率并使带宽代价最小。所提出的HMAO算法是遗传算法（GA）与多智能体优化（MAO）算法的结合。在最大化资源利用率方面，采用一种改进的GA来寻找一组用于部署所请求任务的服务节点。提出一种基于去中心化的MAO算法以最小化带宽代价。我们利用田口法（Taguchi method）研究了HMAO算法关键参数的影响并评估了性能结果。与遗传算法（GA）和快速精英非支配排序遗传（NSGA-II）算法相比，仿真结果表明，在请求任务数量较大的资源分配问题上，HMAO算法比现有方案更有效。此外，我们给出了HMAO算法与在线资源分配中首次适应贪心方法的性能比较。
引用
@article{arxiv.2001.03929,
title = {Hierarchical Multi-Agent Optimization for Resource Allocation in Cloud Computing},
author = {Xiangqiang Gao and Rongke Liu and Aryan Kaushik},
journal= {arXiv preprint arXiv:2001.03929},
year = {2020}
}