云计算中虚拟机部署问题是根据虚拟机资源和约束限制要求进行物理节点选择的问题,以达到有效降低物理机能耗、避免物理机资源浪费的目的。云计算虽然给用户提供了前所未有的便利,但如何找到一种廉价、高效应对其资源损耗和开销高等缺陷的方法,成为当前学术界关注的一个重要问题。在以往虚拟机部署方法研究的基础上,以提高物理资源利用率和最小化迁移次数作为优化目标,提出了基于改进遗传算法的虚拟机动态部署方案(Optimizing genetic algorithm,OGA)。OGA通过重新设计遗传算法中的突变或交配等过程,提高了优良的基因遗传给后代的概率,达到虚拟机部署问题的快速求解的目的,具体做了如下工作:(1)针对现有虚拟机部署策略和算法存在着考虑因素单一和目标不明确的问题作出改进,提出了最小资源利用率和最少迁移次数的多目标优化方案,有效提高了虚拟机部署的效率。此外OGA是基于原有遗传算法的基础上设计的,具有很强的负载均衡能力。(2)结合上述虚拟机部署算法,设计了云环境下的虚拟机部署时序图,时序图框架由用户、模板管理服务器、部署管理服务器、监控服务器、虚拟服务器池五个模块组成,其起止过程可以分为五个步骤分别是服务请求、获取资源信息、选择目标服务器、拷贝虚拟机镜像和交付用户使用。该框架能够提供用户便捷而快速地申请部署虚拟机,并实现了用户申请虚拟机自动化,具有很高的部署效率。(3)对选择算子、交叉算子和变异算子进行优化,避免算法过早的完成搜索,不能达到全局搜索,从而影响最终解的优质程度。为了使算法的适应能力随进化过程不断变化,本文采用动态变化的交叉概率参数和变异概率参数进行形式化表达。通过在仿真平台C1oudSim3.0上对虚拟机部署过程模拟实验进行性能测试,并和现有的随机放置算法(Random)、VmAllocationSimple算法(VAS)与首次适应算法(FF)进行比较。仿真实验结果表明,OGA能有效降低虚拟机迁移次数,减少物理资源消耗,在节省服务供应商维护成本的同时保证客户服务的质量。