1

私は最適化について学んでおり、OpenOpt は初めてです。

それぞれに 3 つのリソース使用状況インジケーター (CPU、メモリ、ネットワーク) があるプロセスを表現したいと思います。次の制限に従って、N 個のプロセスをグループ/ビンに割り当てたいと思います。

sum(cpu) within a group < 100
sum(mem) within a group < 100
sum(net) within a group < 100
Minimize(number of groups) or maximize the sum of each resource within a group.

理想的には、このタイプの出力が必要です。

VM 1 assigned to group 1
VM 2 assigned to group 1
VM 3 assigned to group 1
VM 4 assigned to group 2
VM 5 assigned to group 2
VM 6 assigned to group 3
... and so on

質問: どうすればできますか? OpenOpt でこれを行うことができない場合、これに役立つ他のライブラリはありますか?

ここに私の初期コード: https://github.com/vonpupp/mdbp/blob/master/ksp_2.py

どうもありがとう！

4

1 に答える 1

0

アイデアは、各アイテムに重みを割り当て (この場合はすべて同じ)、制約によって制限されるアイテムの数を最大化することです。

アイテムの作成方法は次のとおりです。

def gen_vms():
    tg = tracegen.TraceGenerator()
    trace = tg.gen_trace()
    items = [{
                  'name': 'item %d' % i,
                  'weight': 1,
                  'cpu': t[0],
                  'mem': t[1],
                  'disk': t[2],
                  'net': t[3],
                  'n': 1
             } for i,t in islice(enumerate(trace), 200)]
    return items

そして、これが制約の作成方法です。

def add_constraint(values, constraint):
    return values[constraint] < 99

def add_constraints(values, constraint_list):
    return [add_constraint(values, constraint) for constraint in constraint_list]

def gen_costraints(constraint_list):
    global constraints
    constraints = lambda values: (add_constraints(values, constraint_list))

解決プロセスは次のようになります。

def solve_host():
    global items
    global constraints
    p = KSP('weight', list(items), constraints = constraints)
    result = p.solve('glpk', iprint = -1)

これを行う方法の詳細については、https ://github.com/vonpupp/2013-sbrc-experiments/blob/e2e8a2be320c8f77d67a5bc6bb822510564e80f3/myksp_oo.py を参照してください。

于 2013-12-12T16:51:42.883 に答える