一种云环境下基于帕累托最优的资源定价方法技术

本发明专利技术适用于云计算技术领域，提供了一种云环境下基于帕累托最优的资源定价方法，该方法包括如下步骤：S1、基于用户满意度及云服务提供商利润的最大效用，建立帕累托最优的云服务资源定价模型；S2、基于混合搜索算法查找帕累托最优，即获取各云服务资源最佳的定价。本发明专利技术提出基于帕累托最优的资源定价模型，将这种价格矛盾转化为用户满意度与云服务提供商利润间的博弈，最终实现用户满意度与云服务提供商利润的均衡，即实现帕累托最优，获取各云服务资源的最佳定价。

【技术实现步骤摘要】
一种云环境下基于帕累托最优的资源定价方法
本专利技术属于云计算
，提供了一种云环境下基于帕累托最优的资源定价方法。
技术介绍
云计算是一种商业计算模型，它将计算任务分布在由大量计算机或服务器构成的资源池上，使用户能够按照各自需求获取计算服务、存储空间等，并支付一定的费用。云计算将信息技术转化为普通商品和公共事业设备供用户付费使用，因此，了解云计算的商业运行模式以及经济特性成为越来越重要的研究重点。在云计算环境中，通常由三个部分组成，用户、云服务中心以及云服务提供商。云服务提供商将软硬件资源构建云集群，通过对用户收取费用来完成用户所提交的请求。云计算作为一种商业模式运行，云服务提供商必然尽可能的使自己获得最大的利益。然而，在市场环境下，根据用户的需求定律，如果云服务定价过高，相应的购买人数会降低，总利润会可能减少；若定价过低，购买人数会增加，但去除成本后，综合下来的利润也不一定会高。因此在云环境中，构建一个好的定价模型，使得较多用户购买服务的同时又能使云服务提供商获得可观的利润，是十分必要的。云服务市场中有着许多的服务提供商，供应商之间常常以价格为焦点进行当前背景下，各大云服务商所采用的较为普遍的定价方式为固定定价模式。固定定价意味着价格是不变的并且可以提前预知、不能根据用户的需求的变化而变化。各云服务提供商根据自身运营状况进行不同进行调整，固定定价大体方式可分为三类：按量付费方式：按量付费方式是云服务提供商根据用户使用的云计算服务的量，根据用量的多少来收取费用。例如一定时间段内的计算量或者流量或者CPU的使用等。这种方式较为直观也便于计算，服务商在实际运营时也很便捷。Amazon和Microsoft等大型云服务提供商的部分服务商采用这种方式收费。合同定价方式：用户与云服务提供商签订关于使用云服务资源的合同，在固定的收费周期内以固定的价格使用云服务。这种定价方式和按量付费模式相似，但也有区别，区别在于定价的收费单位是时间而不是使用的量。在云计算中的SaaS(Software-as-a-Service)模式中，合同定价方式的使用最为广泛。Adobe、Salesforce等公司采用这种合同定价模式。分类定价模式：即云服务提供商将云服务资源分成不同的种类，也可看作是不同的等级。很明显，不同种类的服务资源会有不同的收费标准。分类的依据有CPU速度、CPU个数、内存、带宽等。阿里云、Google等服务商采用这种定价方式，为用户提供不同种类的云服务资源。固定定价模式是实际运营中应用最为广泛的，相关的文献研究也是较为深入的。有文献指出固定定价会造成资源浪费，同时对服务差价化的适应性较低。尽管有着不同的固定定价方式，但是还是不能很好地满足用户的动态需求和也不能反映出市场供需情况，对服务提供商下一步的市场评估意义较小。
技术实现思路
本专利技术实施例提供一种云环境下基于帕累托最优的资源定价方法，基于用户满意度及云服务提供商利润间的博弈，查找实现用户满意度及云服务提供商利润均衡的最优云服务资源定价。为了实现上述目的，本专利技术提供了一种基于云环境下基于帕累托最优的资源定价方法，所述方法包括如下步骤：S1、基于用户满意度及云服务提供商利润的最大效用，建立帕累托最优的云服务资源定价模型；S2、基于混合搜索算法查找帕累托最优，即获取各云服务资源最佳的定价，所述混合搜索算法是由群粒子算法及布谷鸟搜索算法结合而成。进一步的，云服务提供商利润的获取步骤包括：S11、由云服务资源的使用占比及用户提交任务的紧迫程度来共同决定云服务资源的定价；S12、基于云服务资源的定价计算云服务提供商创造的收益，云服务提供商创造的收益与成本的差价即为云服务提供商获取的利润。进一步的，所述云服务提供商的利润计算公式具体如下：pricei为虚拟机rj对任务Li的报价，costi为虚拟机rj的运行成本，tij表示虚拟机rj完成任务Li所用的时间，m为任务的数量。进一步的，虚拟机rj对任务Li的报价pricei的计算公式为：r_used为已被分配的虚拟机rj的CPU和内存使用量，r_all为全部虚拟机所拥有的CPU和内存总量；t为虚拟机rj完成任务所需的时间，t_d为用户要求的任务完成截止时间，t_b为用户的任务提交时间。进一步的，其特征在于，用户的满意度是由云服务资源的价格及云服务资源完成任务所需要的时间共同决定。进一步的，所述用户满意度Si的计算公式具体如下：其中，S0为初始满意度，timei代表自用户提交任务Li至要求完成任务Li所需的时间，为权重系数，代表着用户对价格方面和时间方面的不同需求偏好。进一步的，所述用户满意度及云服务提供商利润的最大效用表示为：其中，ωs和ωp分别为相应权重系数，且ωs+ωp＝1，任务Li需在截止时间前完成。进一步的，所述步骤S2具体包括如下步骤：S21、布谷鸟搜算算法的初始化，初始化最大迭代次数MaxD，鸟巢的规模N，随机初始化鸟巢的位置；S22、将粒子群算法应用于布谷鸟算法的局部游走部分，所述鸟巢群即为粒子群，基于粒子算法，将各粒子的位置更新至效用大的周边位置；S23、对鸟巢群X(g)中每个鸟巢均随机赋值一个淘汰概率Pi，赋值服从均匀分布，将淘汰概率Pi小于发现概率Pj的粒子淘汰；S24、将鸟巢群X(g+1)中每个鸟巢计算效用，对应位置若大于X(g)中鸟巢效用，则位置不变；否则位置更新，同时更新个体最优xbest(g)和群体最优Gbest，，判断是否达到循环终止要求，若满足则输出最优鸟巢位置；否则，令g＝g+1，返回步骤S22。本专利技术提出基于帕累托最优的资源定价模型，将这种价格矛盾转化为用户满意度与云服务提供商利润间的博弈，最终实现用户满意度与云服务提供商利润的均衡，即实现帕累托最优，获取各云服务资源的最佳定价。附图说明图1为本专利技术实施例提供的基于帕累托最优的资源定价方法流程图；图2为本专利技术实施例提供的动态价格策略与固定价格策略的用户满意度对比图；图3为本专利技术实施例提供的在固定任务数，不同虚拟机数情况下的动态价格策略利润与固定价格策略利润；图4为本专利技术实施例提供的在固定虚拟机数，不同用户数情况下的动态价格策略利润与固定价格策略利润；图5为本专利技术发实施例提供的不同用户数下的任务完成时间状况；图6为本专利技术实施例提供的不同用户数下的对应价格。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提出基于帕累托最优的资源定价模型，通过引入市场经济中的博弈论知识，将这种价格矛盾转化为用户满意度与云服务提供商利润间的博弈，最终实现均衡-帕累托最优，即各云服务资源的最佳定价。云中心将云服务提供商提供的基础设施通过虚拟化整合成资源池，资源池中是不同的虚拟机；用户提交任务，形成任务集合。云中心使用混合搜索算法探寻帕累托最优，给出合理定价。图1为本专利技术实施例提供的基于帕累托最优的资源定价方法流程图，该方法包括如下步骤：S1、基于用户满意度及云服务提供商利润的最大效用，建立帕累托最优的云服务资源定价模型；(一)关于云服务提供商利润部分的说明：云服务提供商利润的获取具体包括如下步骤：S11、由云服务资源的使用占本文档来自技高网...

【技术保护点】
1.一种基于云环境下基于帕累托最优的资源定价方法，其特征在于，所述方法包括如下步骤：S1、基于用户满意度及云服务提供商利润的最大效用，建立帕累托最优的云服务资源定价模型；S2、基于混合搜索算法查找帕累托最优，即获取各云服务资源最佳的定价，所述混合搜索算法是由群粒子算法及布谷鸟搜索算法结合而成。

【技术特征摘要】
1.一种基于云环境下基于帕累托最优的资源定价方法，其特征在于，所述方法包括如下步骤：S1、基于用户满意度及云服务提供商利润的最大效用，建立帕累托最优的云服务资源定价模型；S2、基于混合搜索算法查找帕累托最优，即获取各云服务资源最佳的定价，所述混合搜索算法是由群粒子算法及布谷鸟搜索算法结合而成。2.如权利要求1所述基于云环境下基于帕累托最优的资源定价方法，其特征在于，云服务提供商利润的获取步骤包括：S11、由云服务资源的使用占比及用户提交任务的紧迫程度来共同决定云服务资源的定价；S12、基于云服务资源的定价计算云服务提供商创造的收益，云服务提供商创造的收益与成本的差价即为云服务提供商获取的利润。3.如权利要求2所述基于云环境下基于帕累托最优的资源定价方法，其特征在于，所述云服务提供商的利润计算公式具体如下：pricei为虚拟机rj对任务Li的报价，costi为虚拟机rj的运行成本，tij表示虚拟机rj完成任务Li所用的时间，m为任务的数量。4.如权利要求3所述基于云环境下基于帕累托最优的资源定价方法，其特征在于，虚拟机rj对任务Li的报价pricei的计算公式为：r_used为已被分配的虚拟机rj的CPU和内存使用量，r_all为全部虚拟机所拥有的CPU和内存总量；t为虚拟机rj完成任务所需的时间，t_d为用户要求的任务完成截止时间，t_b为用户的任务提交时间。5.如权利要求1至4任一权利要求所述基于云环境下基于帕累托最优的资源定价方...

【专利技术属性】
技术研发人员：张佩云，王雪雷，谢杰敏，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34