moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2024.46.3.005 1620 Алгоритм перераспределения виртуализированных вычислительных и коммуникационных ресурсов центра обработки данных на основе метаэвристики ACS An algorithm for redistributing virtualized computing and communication resources of a data center based on ACS metaheuristics Бумажкина Наталья Юрьевна Bumazhkina Natalya Yur'evna kislaya90@mail.ru aff-1 Академии Федеральной службы охраны Российской Федерации The Federal Guard Service Academy 01 01 2026 1 1 10.26102/2310-6018/2024.46.3.005 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Перераспределение виртуализированных вычислительных и коммуникационных ресурсов в центрах обработки данных представляет собой значительную проблему в контексте облачных технологий, осложняя обеспечение стабильного функционирования сервисов. Эти сервисы должны соответствовать критериям качества обслуживания, оценки производительности и условиям контрактов на обслуживание, которые предъявляют поставщики облачных услуг. Главная цель перераспределения виртуализированных вычислительных и коммуникационных ресурсов – оптимальное размещение подмножества активных виртуальных машин на минимальном количестве физических машин с учетом их многомерных потребностей в вычислительных и коммуникационных ресурсах. Что значительно улучшит эффективность работы виртуализированного центра обработки данных. Проблема перераспределения вычислительных и коммуникационных ресурсов центра обработки данных попадает под класс проблем, определяемых как «NP-трудные» проблемы, так как предполагает обширное пространство решений. Поэтому необходимо больше времени для нахождения оптимального варианта. В предыдущих исследованиях ряда таких проблем было доказано, что метаэвристические стратегии позволяют находить приемлемые решения за пригодное время. В статье предлагается использовать модифицированный вариант метаэвристического алгоритма муравьиной колонии для решения задачи перераспределения вычислительных и коммуникационных ресурсов между виртуальными машинами центра обработки данных, рассматриваемой в рамках задачи многомерной векторной упаковки.

The redistribution of virtualized computing and communication resources in data centers is a significant problem in the context of cloud technologies, making it difficult to ensure the stable functioning of services. These services must meet the criteria for quality of service, performance evaluation, and terms of service contracts imposed by cloud service providers. The main goal of the redistribution of virtualized computing and communication resources is the optimal placement of a subset of active virtual machines on a minimum number of physical machines, taking into account their multidimensional needs for computing and communication resources. Which will significantly improve the efficiency of a virtualized data center. The problem of redistributing computing and communication resources of a data processing center falls under the class of problems defined as "NP-hard" problems, since it involves a vast space of solutions. Therefore, more time is needed to find the optimal option. In previous studies of a number of such problems, it has been proven that metaheuristic strategies make it possible to find acceptable solutions in a suitable time. The article proposes to use a modified version of the ant colony metaheuristic algorithm to solve the problem of redistributing computing and communication resources between virtual machines of a data processing center, considered within the framework of the multidimensional vector packaging problem.

 виртуализированные вычислительные и коммуникационные ресурсы метаэвристические методы многомерная векторная упаковка алгоритм оптимизации муравьиной колонии центр обработки данных virtualized computing and communication resources metaheuristic methods multidimensional vector packaging ant colony optimization algorithm data processing center Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Бумажкина Н.Ю., Захарова И.Н., Кочкуров А.Е. К вопросу об использовании технологий живой миграции виртуальных машин в задаче оптимизации ресурсов центра обработки данных. В сборнике: Современные проблемы информатизации в области анализа и синтеза технологических и телекоммуникационных систем: Сборник статей по материалам 29-й международной открытой научной конференции, ноябрь 2023 года – январь 2024 года, Воронеж, Россия. Воронеж: Научная книга; 2024. С. 133–137. Choudhary A., Govil M.Ch., Singh G., Awasthi L.K., Pilli E.S., Kapil D. A critical survey of live virtual machine migration techniques. Journal of Cloud Computing. 2017;6(1). https://doi.org/10.1186/s13677-017-0092-1 Mishra M., Sahoo A. On Theory of VM Placement: Anomalies in Existing Methodologies and Their Mitigation Using a Novel Vector Based Approach. In: 2011 IEEE 4th International Conference on Cloud Computing, 04-09 July 2011, Washington, DC, USA. IEEE; 2011. pp. 275–282. https://doi.org/10.1109/CLOUD.2011.38 Li X., Qian Z., Lu S., Wu J. Energy efficient virtual machine placement algorithm with balanced and improved resource utilization in a data center. Mathematical and Computer Modelling. 2013;58(5-6):1222–1235. https://doi.org/10.1016/j.mcm.2013.02.003 Murtazaev A., Oh S. Sercon: Server Consolidation Algorithm using Live Migration of Virtual Machines for Green Computing. IETE Technical Review. 2011;28(3):212–231. Shen H., Chen L. A Resource Usage Intensity Aware Load Balancing Method for Virtual Machine Migration in Cloud Datacenters. IEEE Transactions on Cloud Computing. 2020;8(1):17–31. https://doi.org/10.1109/TCC.2017.2737628 Marzolla M., Babaoglu O., Panzieri F. Server consolidation in Clouds through gossiping. In: 2011 IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks, 20-24 June 2011, Lucca, Italy. IEEE; 2021. pp. 1–6. https://doi.org/10.1109/WoWMoM.2011.5986483 Feller E., Morin C., Esnault A. A case for fully decentralized dynamic VM consolidation in clouds. In: 4th IEEE International Conference on Cloud Computing Technology and Science: Proceedings, 03-06 December 2012, Taipei, Taiwan. IEEE; 2012. pp. 26–33. https://doi.org/10.1109/CloudCom.2012.6427585 Caprara A., Toth P. Lower bounds and algorithms for the 2-dimensional vector packing problem. Discrete Applied Mathematics. 2001;111(3):231–262. https://doi.org/10.1016/S0166-218X(00)00267-5 Пантелеев А.В. Метаэвристические алгоритмы поиска глобального экстремума. Москва: Издательство МАИ-Принт; 2009. 160 с. Blum Ch., Roli A. Metaheuristics in combinatorial optimization: Overview and conceptual comparison. ACM Computing Surveys. 2003;35(3):268–308. https://doi.org/10.1145/937503.937505 Reeves C.R. Modern Heuristic Techniques for Combinatorial Problems. New York: John Wiley & Sons, Inc.; 1993. 320 p. Glover F.W., Kochenberger G.A. Handbook of Metaheuristics. Dordrecht: Kluwer Academic Publishers; 2003. 557 p. https://doi.org/10.1007/b101874 Nesmachnow S. An overview of metaheuristics: accurate and efficient methods for optimisation. International Journal of Metaheuristics. 2014;3(4):320–347. https://doi.org/10.1504/ijmheur.2014.068914 Алексеев В.Е., Захарова Д.В. Теория графов. Нижний Новгород: Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского; 2012. 57 с. Reeves C. Hybrid genetic algorithms for bin-packing and related problems. Annals of Operations Research. 1996;63(3):371–396. https://doi.org/10.1007/BF02125404 Kaaouache M.A., Bouamama S. Solving bin Packing Problem with a Hybrid Genetic Algorithm for VM Placement in Cloud. Procedia Computer Science. 2015;60:1061–1069. https://doi.org/10.1016/j.procs.2015.08.151 Junjie P., Dingwei W. An Ant Colony Optimization Algorithm for Multiple Travelling Salesman Problem. In: First International Conference on Innovative Computing, Information and Control (ICICIC'06): Volume I, 30 August 2006 - 01 September 2006, Beijing, China. IEEE; 2006. pp. 210–213. https://doi.org/10.1109/ICICIC.2006.40 Dorigo M., Stützle T. The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances. In: Handbook of Metaheuristics. Dordrecht: Kluwer Academic Publishers; 2003. pp. 250–285. https://doi.org/10.1007/0-306-48056-5_9 Dorigo M., Birattari M., Stutzle T. Ant colony optimization. IEEE Computational Intelligence Magazine. 2006;1(4):28–39. https://doi.org/10.1109/mci.2006.329691

The authors declare that there are no conflicts of interest present.