[发明专利]一种面向云实例选择的多目标优化求解方法

摘要

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。

主权项

1.一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。