基于改进北极熊算法的多租户数据中心电力成本优化方法研究

为了满足电力需求响应,通过改进北极熊算法提出了一种面向多租户数据中心的成本优化算法。首先采用一对多的逆向拍卖模型建立租户及运营商的关系,激励租户主动参与拍卖并提交相应的节能方案和期望奖励;接着通过改进现有的北极熊算法,来求解最优租户组合和最小成本,其中采用了sigmoid函数对坐标进行离散化处理;同时为了增强算法跳出局部最优的能力在算法中融入了变异策略,并且为提高算法的寻优能力,采用自适应视野代替固定视野来动态调整局部搜索的范围,进一步降低算法陷入局部最优解的概率。最后将提出的方法分别与经典的算法进行比较,实验结果表明在满足需求响应的情况下,提出的方法不仅花费成本最低,而且具有更高的效率。

面向多租户数据中心资源回收利用的能效激励机制

多租户公有云是云计算的一种重要组成形式.近年来,多租户公有云数据中心在如火如荼发展的同时,其过低资源使用率所导致的巨大能耗浪费也引起了社会的高度关注.然而,由于多租户公有云的资源通常以"包年包月"的租赁形式预留给租户,云服务提供商无法通过关闭空闲服务器等常用能耗管理方法来降低数据中心能耗.针对这一难题,本文提出了面向多租户数据中心资源回收利用的激励机制来提升多租户数据中心能效.该机制以经济激励的形式来回收利用租户空闲预留型资源,即云服务提供商向租户支付合适的经济补偿,从而回收租户空闲预留型资源,并充分利用其运行其他云计算服务(如电商和搜索服务).基于Lyapunov方法,本文设计并分析了一种面向租户预留资源回收利用的动态定价算法,该算法无需预测系统未来信息便可作出在线定价决策,并且在保障系统稳定性的同时使得云服务提供商长期成本无限接近于理论最低值.通过严格的数学证明以及由真实数据驱动的仿真实验,本文验证了所提出的激励机制在回收利用租户空闲资源方面的有效性.

基于Stackelberg博弈定价的电力需求响应激励方法

结合多租户数据中心的特点,通过考虑多租户数据中心的电力定价问题提出一种基于非线性规划的高效激励定价方法。建立需求-响应模型,及其相关的成本和收益函数;为反映需求方与响应方的定价交互,采用Stackelberg博弈进行建模,证明了该模型下纳什均衡点的存在性;基于非线性规划方法求解最优得到纳什均衡点,即满足需求方成本最低和响应方利益最大化的目的。将设计的方法与其它经典的最优化方法进行比较,实验结果表明,提出方法能获得最佳的电力定价,达到需求响应方共赢的目的,时间复杂度低。