A huge cloud data center makes it possible to offer computing as a utility to customers. However, the main challenge is to fulfill the customer’s dynamic workload requirement seamlessly. Additionally, cloud data center consumes an enormous amount of power due to improper scheduling of virtual machines over the physical machines, which lead to inefficient usage of heterogeneous computing resources. So, to minimize energy consumption in the cloud data center, virtual machines should be scheduled in an energy-efficient way. In this paper, an Artificial Immune System based Virtual Machine Scheduling using Modified Clonal Selection Algorithm (VMS-MCSA) is proposed to schedule virtual machines energy efficiently. The classical Clonal Selection Algorithm(CSA) operators are modified such that they can be applied to the discrete optimization dynamic virtual machine scheduling problem. The randomized mutation operator is proposed, which reschedule VMs at each scheduling interval to handle the dynamicity of workload with minimum virtual machine migrations. Additionally, the VM-consolidation model was proposed for constraint-based virtual machine migration. The proposed VMS-MCSA algorithm is implemented on a cloudsim simulator, and the results show that the VM scheduling using VMS-MCSA is energy-efficient compared to other recent approaches.

巨大的云数据中心使得向客户提供计算作为一种实用工具成为可能。然而，主要挑战是无缝满足客户的动态工作负载要求。此外，由于虚拟机在物理机上的调度不当，云数据中心消耗了大量的电力，导致异构计算资源的低效使用。因此，为了最大限度地减少云数据中心的能源消耗，虚拟机应该以节能的方式进行调度。在本文中，提出了一种基于人工免疫系统的虚拟机调度使用修改后的克隆选择算法（VMS-MCSA）来有效地调度虚拟机。经典的克隆选择算法 (CSA) 算子经过修改，可以应用于离散优化动态虚拟机调度问题。提出了随机变异算子，它在每个调度间隔重新调度虚拟机，以最小的虚拟机迁移来处理工作负载的动态性。此外，针对基于约束的虚拟机迁移提出了 VM 整合模型。所提出的 VMS-MCSA 算法在 cloudsim 模拟器上实现，结果表明，与其他最近的方法相比，使用 VMS-MCSA 的 VM 调度是节能的。针对基于约束的虚拟机迁移提出了 VM 整合模型。所提出的 VMS-MCSA 算法在 cloudsim 模拟器上实现，结果表明，与其他最近的方法相比，使用 VMS-MCSA 的 VM 调度是节能的。针对基于约束的虚拟机迁移提出了 VM 整合模型。所提出的 VMS-MCSA 算法在 cloudsim 模拟器上实现，结果表明，与其他最近的方法相比，使用 VMS-MCSA 的 VM 调度是节能的。