国网智能电网研究院有限公司 鲍兴川,刘世栋,等:基于改进蚁群算法的算力灵活迁移优化算法

学术   科技   2024-07-24 17:11   北京  

祝贺《电力信息与通信技术》

蝉联中国科技核心期刊 

引文信息


鲍兴川,刘世栋,张宁.基于改进蚁群算法的算力灵活迁移优化算法[J].电力信息与通信技术,202422(3)1-8

BAO Xingchuan,LIU Shidong,ZHANG NingA flexible migration algorithm for arithmetic power based on improved ant colony algorithm[J]Electric Power Information and Communication Technology,2024,22(3):1-8(in Chinese)



01

研究背景


在数字经济时代,算力已然成为一种新的资源,以算力为核心的服务形式将在网络中无处不在。为了对大规模的数据进行分析挖掘,需要将分布的算力节点通过网络汇聚成统一的计算资源来管理调度,以满足信息处理的巨大算力需求。为了应对多样的应用场景、工作负载和服务质量目标,并且实现国网云算力的跨时空优化协同,需要对算力网络中的计算资源进行可伸缩的调整。


02

主要创新点



1)本文提出了基于改进蚁群算法的算力灵活迁移优化算法(A flexible migration algorithm for arithmetic power based on improved ant colony algorithm,FMAP-Ant),在经典蚁群算法的基础上做出改进,引入细菌觅食算法对信息素浓度进行了差异初始化,综合考虑时间和能耗因素重新设计启发函数,并采取了阶段性信息素挥发因子,仿真实验结果表明本文所提的FMAP-Ant算法可以实现更优的云计算资源调度, 算法流程如图1所示。

图1  算法流程

2)图2给出了任务数为200~1000时的任务执行时间,随着任务规模的增加,任务执行时间也随之增加,在不同任务规模下本文算法的任务执行时间均小于其他对比算法,较小的任务执行总时间意味着任务能够更快地被处理完成,从而释放出资源供其他任务使用,提高资源利用效率。

图2  任务执行时间对比

3)针对本文对经典蚁群算法3个阶段的改进,为了比较不同改进措施对经典蚁群算法的影响,在相同实验环境进行仿真实验,通过去除改进措施分析每项改进对算法性能的影响。表3给出了对数量为1000的任务进行调度,添加不同改进措施时算法的性能。

表3  改进措施比较
4)结果说明两项改进都对算法性能有所提升,在同时引入时可以发挥更好的效果。


03

解决的问题和意义


针对国网云资源部署中存在的数据中心算力分布不均、利用率低、能源消耗高等问题,本文提出了基于FMAP-Ant算法的算力灵活迁移优化算法,通过对基本蚁群算法进行改进,在最小化任务完成时间的同时实现系统能耗的降低,以优化资源调度。实验仿真结果表明,本文所提出的算法在任务执行时间、任务等待时间、能耗、SLA违背率和系统负载5个评价指标上均优于其他调度算法,可以很好地解决算力资源调度问题。




作者介绍

鲍兴川

鲍兴川(1973),男,高级工程师,通信作者,研究方向为电网数字化技术、电力信息通信技术,boxicha@qq.com。
刘世栋(1971),男,正高级工程师,研究方向为电网数字化技术、电力信息通信技术。
张宁(1989),男,高级工程师,研究方向为电力信息通信技术。


电力信息与通信技术
发布期刊信息及论文
 最新文章