《表4 MOVMC算法参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《云计算中基于多目标优化的虚拟机整合算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在MOVMC算法中，α和β值分别控制蚁群算法中信息素和启发式因子的重要性，对蚁群算法的性能有很大的影响.α反映了蚂蚁在以往搜索过程中积累的信息素在指导蚁群寻找新解时的重要程度.α值越大，蚂蚁越有可能选择之前走过的路径，寻找随机解的可能性随之降低.β则反映了启发式因子在指导蚁群寻找新解时的重要程度.β值越大，启发式因子的重要程度越大.α和β的取值越大，计算量也越大，计算时间就越长.考虑到数据中心内庞大的数据量，为了得到最优的算法性能，选择α和β值在[0.5，3.5]内以0.5为单位递增，讨论α和β的组合取值对算法目标函数值的影响，实验结果如图1所示.算法中使用的其他参数值如表4所示.当α和β取值过大时，算法容易过早收敛，易陷入局部最优.当α和β取值过小时，基于经验值和先验性因素的指导作用减弱，致使算法很难找到最优解.从图1中可以看出，当α和β取值分别为1和1.5时，对应的目标函数值最小，系统可以取得最好的性能.故在后面的对比实验中，将α和β分别取值为1和1.5作为系统参数值.