1.基于最优二元交换的的服务器优化调度方法，包括如下步骤：步骤1.使用下线预估算法对最优情况进行估计，得到相应机器数和分数，所述“下线预估算法”具体包括：

1.1将所有的宿主服务器按照CPU的能力进行排序Ms＝Sort(M)；

其中M为所有的服务器的集合，Ms为排序后的矩阵；同样大小的负载被调度到CPU容量高的宿主服务器上比调度到CPU容量低的宿主服务器上带来的分数上升要低；因此CPU容量大的机器应该被优先使用，步骤1.1将所有的机器按照CPU的能力进行了排序；

1.2按照公式(1)设置使用的机器数量初始值Nm；

步骤1.2通过满足所有资源约束的形式，设置一个最小的机器数量；其设置方法为选取五种资源的实例总消耗数与机器平均拥有数的比值的最大值；

CPU MEM DISK DISK‑IO MEM‑IO其中U ，U ，U ，U ，U 分别代表所有的实例需要占用的CPU，MEM，DISK，CPU MEM DISK DISK‑IO MEM‑IODISKIO，MEMIO的总数，H ，H ，H ，H ，H 分别代表所有的实例需要占用的CPU，MEM，DISK，DISKIO，MEMIO的最大值，可用公式(2)计算：CPU

式中 为第i个实例对应的应用的CPU使用量，mj 为第j个宿主机提供的CPU计算资源；

1.3选取排序后前Nm个机器，Mc＝Ms[：Nm]；

1.4求解式(3)定义的线性规划问题，Score＝SM(Mc，A，S，α，β)在式(3)中，A为所有的应用的数据集，S为所有的实例的数据集，α，β为惩罚系数；tj，k代表机器mj在时间k的CPU占有百分比， 代表使用的机器的集合；该线性规划问题可以使用单纯形法进行快速的求解；不过对于模型参数‑使用宿主服务器数量card(M)，需要使用密集搜索的方式加以确定；步骤1.4将使用单纯形法求解线性规划问题，并得到一个最优的分数返回；

1.5记录数据并且更新机器数量Nm←Nm+1，SLL＝Score；

1.6判断分数与上一次迭代相比是否上升，如果没有上升，回到步骤1.3，否则中止；

1.7返回SLL，Nm；

步骤2.选取按照机器能力进行排序后前Nm个机器，Mc＝Ms[：Nm]；

步骤3.使用最优二元交换方法对服务器的调度方案进行优化；

所述“最优二元交换方法”具体包括：

3.1初始化机器状态矩阵E；

3.2遍历所有的实例，使用FISTFIT方法将实例装入可行的宿主服务器；得到调度矩阵V与更新后的状态矩阵E，以及V是否满足约束要求的布尔量B描述为(4)：B，V，E＝FF(Mc，A，S，α，β)     (4)

3.3判断B是否为1，如果为1，则设置循环次数计数器L＝1后进入步骤3.4；否则执行Nm＝Int(1.01*Nm)，进入步骤3.2；

3.4遍历所有宿主服务器，按照公式 计算每台服务器的特征分，并统计机器中的最高分sh和机器中的最低分sl；

3.5按照公式(5)选取高分服务器集合与低分服务器集合：Mh，Ml

S S ＝ChooMachSet(Mc，L，Ns，sh，sl，γ)   (5)步骤3.5中，使用最高分与最低分为输入生成高分集合与低分集合，生成的标准如公式(6)(7)式中，γ为集合选择系数，一个较大的值可以使得高分机器集合和低分机器集合随循Mh Ml

环次数的选择增长的更快；返回的参数中S 代表高分机器集合，S 代表低分机器集合；

3.6按照公式(8)分别在两个服务器集合中选取一台待交换机器：h l Mh Ml

M，M＝ChooMach(S ，S )      (8)步骤3.4‑3.6维护一个高分机器集合与低分机器集合，其中特征分数概念由目标函数中目标分的概念变化而来；

3.7分支定界法求解小规模MIP问题，得到新的分配方案与机器状态：mip h l

V ，E＝BBM(M，A，M，α，β)；

3.8将新得到的部分分配方案合并入原来的分配方案中mip

V＝Merge(V ，V)：

3.9判断小规模MIP子问题求解次数是否达到设定值，如果没达到，执行L＝L+1返回步骤6，否则，执行步骤9；

BEST

3.10计算获得分数并且更新最佳结果V 与可用主机数：O＝CacuScore(E)，Nm＝Nm+1；

BEST

3.11判断Nm是否达到预设值，如果没有达到返回步骤2，否则退出算法返回V 。