问题描述：给出一定用户的请求（各类虚拟机的数量），装在给定规格的服务器内 ，要求服务器的资源利用率最大。其中，虚拟机和服务器各有两个维度限制，CPU和内存（Mem）。

思路：本题实质是背包问题，考虑过dp，贪心，蚁群以及遗传。若单单解决该问题，则dp是最佳的选择，由于题目后期会有拓展（多维度多约束背包问题），并且有时间上的要求，考虑到这个原因，我就放弃了dp。个人觉得蚁群的复杂度较高，所以也放弃了蚁群。贪心在数据规格较小时，效果明显，一旦数据规格扩大时，则遗传效果明显。经过实验的对比，在一定数量的虚拟机下采用贪心算法，一旦超过了这个数量，怎用遗传来处理。遗传主要的难点是在编码方式上，数据量大时，二进制编码的缺点就暴露出来，思考过来决定用实数编码，然后做数据的映射。

方案：将所有的虚拟机用数组装载起来，数组的下标作为染色体，然后将染色体和虚拟机用数据结构关联在一起，方便后面的输出。

交叉算子采用多点交叉，步骤如下：

1）随机选择两个父染色体，随机生成交叉点，交叉点将染色体分成两部分，如图（a）所示；
2）交换两个染色体的第一部分或者是第二部分，生成新的染色体，如图（b）所示；

3）将新的染色体放入新的种群中。

（a）

（b）

代码如下：

Vector<SA.Flavor> vec_flavors = new Vector<>();

for (String key : map.keySet()) {

   int v = map.get(key);

   while (v-- != 0) {

      vec_flavors.add(re.get(key)); //将所有虚拟机加入容器内

   }

 }

int[] cpu_data = new int[vec_flavors.size()];

int[] mem_data = new int[vec_flavors.size()];

for (int i = 0; i < vec_flavors.size(); i++) {

   cpu_data[i] = vec_flavors.get(i).cpu; //将所有虚拟机的cpu放入一维数组中

   mem_data[i] = vec_flavors.get(i).mem; //将所有虚拟机的mem放入一维数组中

}

//------数据映射，将染色体编码和虚拟机关联起来-------//

LinkedHashMap<Integer, Integer> map1 = new LinkedHashMap<>();

int m = 0;

for (int i = 0; i < target_f_num_qu.length; i++) { 

  for (int j = 0; j < target_f_num_qu[i]; j++) {

 map1.put(m, i + 1); m++; 

 }

}