1. 研究目的与意义（文献综述）

目的：本次研究的是cloudsim平台下的基于best fit decreasing算法的虚拟机分配策略研究，目的在于利用best fit decreasing（bfd）算法设计虚机分配策略,在保证性能（mips）的前提下，优化数据中心的能量消耗，并以best fit decreasing（bfd）算法为基础，构造出模型，提出了云环境下基于best fit decreasing（bfd）算法的虚拟机分配策略，该算法区别于传统的注重效率的虚拟机分配策略，也区别于近几年提出地侧重用户服务质量的虚拟机分配策略，提出在云环境下的虚拟机分配中建立起双重兼顾：兼顾效率和公平，更好的实现基于随机生成的任务的运行情况与能量消耗评价虚机分配策略以及基于planetlab应用的运行情况与能量消耗评价虚机分配策略。

意义：当前，计算机技术迅猛发展，商业模型极速转变，大大改变了人们的生活和工作，也提高了人们对商业服务的质量要求。网格计算是计算模式的变革，它最初的设计思想便是将网络中大量的闲散资源整合起来，通过网络协作实现动态，自治，异构环境下的资源共享。网格计算具有较好的设计理念，但无成功的商业方面的应用。因其实际应用中面临着诸如信息安全，资源虚拟化等许多难以突破的难题，在商业应用中也势必面临着诸多限制。因此网格计算将不可避免的被新兴计算模式云计算所取代。

2007年底，新兴商业计算模式—云计算受到了国内外各界的广泛关注和推动，并得以迅猛发展。云计算是近些年的研究热点，着重于虚拟化问题，它将数据分布到由大量远程计算机所构成的资源池上，用户可按需获取计算能力，软件，服务以及存储空间等。云计算的主要工作是将数据中心的资源打包，以服务形式通过互联网提供给用户并需及时响应用户的不同需求，提供快速服务。有了云计算，用户得到了极大的便利性：如可按需从一个虚拟的没有限制的资源池中租用资源：只需遵循“先付费后使用”；用户会实现it骰子地极大优化。减少了基础设施，软硬件，应用程序等方面的较大开支；租用服务的可用性和可伸缩性能也得到了极大提高。云计算允许有市场领域专业知识的用户降低其成本去构建和运行他们的各种服务，并不需要管理任何硬件。如此，便降低了服务的复杂度和成本，加速了市场化，方便了用户。

2. 研究的基本内容与方案

研究设计的具体内容是：在cloudsim平台下, 扩展vmallocationpolicysimple类实现bfd算法并设计虚机分配策略,在保证性能（mips）的前提下，优化数据中心的能量消耗基于随机生成的任务的运行情况与能量消耗评价虚机分配策略以及基于planetlab应用的运行情况与能量消耗评价虚机分配策略。

研究设计的目标：本次研究的是cloudsim平台下的基于best fit decreasing算法的虚拟机分配策略研究，目的在于利用best fit decreasing（bfd）算法设计虚机分配策略,在保证性能（mips）的前提下，优化数据中心的能量消耗，并以best fit decreasing（bfd）算法为基础，构造出模型，提出了云环境下基于best fit decreasing（bfd）算法的虚拟机分配策略，该算法区别于传统的注重效率的虚拟机分配策略，也区别于近几年提出地侧重用户服务质量的虚拟机分配策略，提出在云环境下的虚拟机分配中建立起双重兼顾：兼顾效率和公平，更好的实现基于随机生成的任务的运行情况与能量消耗评价虚机分配策略以及基于planetlab应用的运行情况与能量消耗评价虚机分配策略。。

需要用到的技术方案及措施：

3. 研究计划与安排

(1) 2017/1/7—2017/1/13：查阅参考文献，明确选题；

(2) 2017/1/14—2017/2/22：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告及外文资料翻译；

(3) 2017/2/23—2017/4/30：需求分析，算法或系统设计，分析、比较或实现等；

4. 参考文献（12篇以上）

[1] hy chen.taskscheduling in cloud computing based on swarm intelligence algorithm[j].computerscience, 2014

[2] u singhal，s jain.an analysis of swarm intelligence based load balancingalgorithms in a cloud computing environment[j].international journal of hybridinformation technology, 2015, 8(4):299-302.

[3] ka nuaimi，n mohamed，ma nuaimi，jal-jaroodi.a survey of load balancing in cloud computing: challenges andalgorithms[j].network cloud computing amp; applications, 2012, 90(1):137-142