算系统中。在实现这个环节之前，还有对该平台进行虚拟化，还有对每个虚拟平台进行初始化，然后建立云平台。想要顺利的实现移动原有的业务，这里可以使用动态迁移的技术进行完成，把虚
f龙源期刊网httpwwwqika
comc
拟机进行初始化之后按照物理点进行分配，这样是为了在平台的运行中减少虚拟机的迁移次数。11资源调度中使用退火思想把虚拟机反映到物理节点上，能够实现负载的均衡和减少能耗的优化目标，这里主要使用的是启发式的搜索算法。因为传统的粒子群算法在搜索过程中容易出现局部优解的情况，所以，专业人士根据启发式算法的优劣进行分析，最后得出将退火思想和粒子群算法相结合实现对多种表目标进行计算。利用退火思想将搜索过程中的可能出现局部最优解的跳出概率进行分析，从而找出整体的最优解，这样可以防止传统粒子出现局部最优的情况造成搜索的失败，最后就可以实现全局搜索功能的提高，同时也能提高最有解计算的准确度和效率。12粒子群相关算法的建模首先对虚拟机相关的编号
进行队列排序，然后根据相关的搜索算法把物理节点m与其的映射关系计算出来，之后根据物理节点合理放置虚拟机，从而实现优化的目的。在群体粒子中每个粒子的速度和位置可以表示为：在公式（1）中x表示在第k轮迭代中，参数是i的粒子在数值j个虚拟机的物理节点所放置的编号。在公式（2）中u：表示在k轮迭代中，参数为i的粒子出现在第j维相关的速度；D则是一个常量，它主要是对粒子飞行的范围进行控制，避免出现偏移过渡的情况给算法的收敛造成影响。根据经验总结将设置为1020的问题空间。在每轮迭代中每个粒子的位置和速度通过公式（3）（4）进行更新。在该公式中，i是群体中的每个粒子编号；d则是每个粒子的相关维数，它是根据虚拟机的个数来确定取值范围；P则是迭代在个体i中最佳的位置向量；P是在整个群体中最佳的位置向量。其中r1、r2表示0～1的随机均匀分布数；c1、c2则是学习因子，他们会在04之间取相等的数值；W则是惯性的权重。13惯性权重的设计和分析对粒子群算法相关的结果和收敛速度造成影响的主要因素是粒子群的惯性权重，如果惯性权重的值比较大，那么粒子群相关算法就具有了较高性全局搜索能力，在所有的解中此时所计算出的值则是具有适应度函数的最小解；如果惯性权重比较小的话，那么此时的粒子群算法则是局部搜索功能最好的，此时算法就能够在一定的小范围内实现局部搜索。所以，在对粒子群迭代过程进行计算的时r