[发明专利]一种面向云实例选择的多目标优化求解方法

说明书

本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。

技术领域

本发明涉及一种面向云实例选择的能够产生完全Pareto集合的多目标优化求解器。

背景技术

随着数据量的增长，用户对于设备的要求也在上升，但是对于多数个人或者中小型企业来说，构建硬件环境的开销过于昂贵。此时，云计算pay-as-you-go的价格模式非常适合用户将应用迁移到云上，降低自己购买和维护硬件的开销。Amazon是著名的云服务提供商之一，Amazon EC2是IaaS的代表之一，可以提供给用户CPU、网络、内存、存储等基础硬件资源。

Amazon EC2提供给用户许多购买选项，比如：预留实例、按需实例和竞价实例。同时，每一种购买选项下又分为多种不同的云实例类型，他们的性能和价格之间存在着很大的差距。对此，用户想要从庞杂的云市场中选择满足自己需求的云实例类型集合是一个非常重要的问题和挑战。

发明内容

本发明的目的是：通过使用Amazon EC2的云实例类型数据去完成云实例类型选择问题的求解，以生成满足用户需求的完全Pareto集合。

为了达到上述目的，本发明的技术方案是提供了一种面向云实例选择的多目标优化求解方法，设完全Pareto集合为P_n，则集合P_n是由解空间中非劣解组成的，并且没有遗漏和多余，其特征在于，包括以下步骤：

步骤1、问题背景定义，包括以下步骤：

步骤101、通过使用爬虫获取Amazon EC2提供的按需实例类型信息，包括云实例类型的性能和价格指标；

步骤102、对云实例类型选择问题进行定义，将选择的云实例类型的性能进行求和得到总体性能，将选择的云实例类型的价格进行求和得到总体价格；

步骤2、生成初始完全Pareto集合P₁，初始完全Pareto集合P₁是当用户需求数为1时的结果；

步骤3、通过将中间完全Pareto集合P_i和初始完全Pareto集合P₁进行广义笛卡尔积得到广义笛卡尔积R_i+1，广义笛卡尔积R_i+1作为用户需求数为i+1时的搜索空间，是解空间的一个子集，并且要远小于解空间；

步骤4、生成中间完全Pareto集合P_i+1，在广义笛卡尔积R_i+1中进行遍历，选择其中所有的非劣解组成中间完全Pareto集合P_i+1；

步骤5、迭代执行步骤3和4，直到需求数达到指定的需求数n，此时得到的中间完全Pareto集合即为最终的完全Pareto集合P_n。

优选地，步骤2中，通过遍历云实例类型数据，选择其中所有的非劣解组成所述完全Pareto集合P₁。