面向雷达组网的一种改进多链路负载均衡算法

针对雷达网中存在的多链路负载不均衡问题,提出了一种链路间的差异互补算法,对多链路负载均衡算法CIAP进行迭代优化改进.CIAP算法根据各链路的传输时延和剩余带宽,采用误差纠正学习方法实现整体网络性能优化.改进的CIAP算法减少了运算迭代次数,优化了算法效率.仿真结果表明,改进的CIAP算法有效均衡了各链路负载的时延和剩余带宽,提高了网络的吞吐率和公平性.     

基于二元目标优化的多链路负载均衡算法DBCTIA的研究

在IP流量规划思想和多重链路时延均衡算法DTIA的基础上,提出一种基于二元目标优化的链路负载均衡算法DBCTIA,能够在原始的切割调度样本中,基于链路时延和剩余带宽的协方差值,对IP路由表的大小和数量进行二次分割调整, 使得多重链路达到时延及剩余带宽的均衡。实验结果显示,在网络重载情况下,DBCTIA对多链路时延和剩余带宽的均衡效果显著,而且DBCTIA进行负载均衡后的链路Power值较DTIA均衡后的链路Power值有所增加。er值较DTIA均衡后的链路Power值有所增加。     

一种SRIO网络负载均衡最短路径路由算法

在串行RapidIO传输过程中,路由选路算法是影响传输性能的重要因素之一。针对串行高速输入-输出(SRIO)网络深度优先搜索分配路径非最优问题,提出一种负载均衡最短路径路由算法。通过广度优先搜索对SRIO网络中的节点进行枚举并建立网络拓扑信息,以路由跳数定义路由的成本,根据改进Floyd-WarShall算法计算并保存交换节点间的K最短路径。给出预期负载的概念和链路上的路由路径数量来定义链路的负载,采用负载均衡算法从K最短路径中进行选路,建立SRIO网络最短路径约束的负载均衡路由。实验结果表明,与深度遍历路由算法、最小跳数算法相比,该算法在网络传输平均跳数、链路平均负载和链路负载均衡方面有更好的表现,能够有效提升SRIO路由网络的稳定性。     

基于负载均衡的虚拟网络映射算法研究

为保证虚拟网络请求成功映射,同时不会导致底层网络的部分负载过重,映射性能变差,需要对虚拟网络链路映射进行合理化负载均衡。本文中把虚拟链路带宽资源切片,利用增广子图路径方法选择底层路径,并且将不相交路径资源归一化,设计了基于负载均衡的虚拟网络映射算法。最后,通过仿真将负载均衡算法与路径割裂算法、K最短路径算法进行性能对比。仿真结果表明了负载均衡算法在虚拟网络映射的请求接受率、成本和收益指标方面优于其他两种算法。     

基于DHT的P2P系统的负载均衡算法

在基于DHT的结构化P2P系统中，DHT的使用以及节点处理能力的不同导致系统中节点的负载不均衡．现有的负载均衡算法存在两个不足：①负载的转移没有考虑节点之间的链路延迟；②算法依赖于系统中固定位置的某些节点．提出了分布式负载均衡算法：每个节点周期性的收集系统局部负载信息，然后选择链路延迟较小的节点进行负载转移．算法依赖于系统中的所有节点，解决了单点失败问题．同时，负载的转移是在链路延迟较小的节点之间进行的．仿真实验表明，①对于各种系统利用率，该算法都可以获得理想的负载均衡效果；②算法可以使负载转移开销减少45％以上．     

一种采用流切割实现报文保序的负载均衡算法

网络链路过载或链路失效时,使用负载均衡技术可以避免网络发生拥塞。负载的分派粒度决定了负载均衡系统的均衡性能。分派粒度越细,均衡效果越理想。基于包水平粒度的负载分派可以实现理想的均衡性能,但是会造成同一TCP业务流中报文乱序;基于流水平的分派可以保证报文不乱序,但均衡效果不理想。提出了按照报文段粒度分派负载的FSLB算法。仿真实验表明,该算法可避免报文乱序并能达到较理想的均衡效果。     

干扰约束和负载均衡的无线Mesh网络网关部署策略

网关部署是无线Mesh网络规划面临的重要挑战之一.在Mesh路由器(MR)已完成部署的前提下,如何计算同时满足网络性能要求和用户流量需求的最小网关(GW)集合,已经被证明是一个NP-hard问题.文中提出了一种满足干扰约束和支持负载均衡的网关部署策略ICLB-GPS,在部署网关时消减链路干扰并实现网关负载均衡.ICLB-GPS策略综合网关选择、转发树构建和转发树间的节点迁移来完成负载均衡的网关部署,主要包含覆盖重叠和干扰消减的网关选择、基于树间节点迁移的网关负载均衡两个算法.仿真实验将ICLB-GPS算法与其它算法在网关数量、MR-GW路径长度、链路干扰程度及负载均衡指数方面进行比较,其结果表明该算法在不增加部署成本,不提高MR-GW路径长度的情况下,消减了链路干扰,实现了网关负载均衡.     

一种认知无线Mesh网络中负载均衡的组播路由算法

提出了一种负载均衡的无线链路权值函数及计算算法LBWC,在此基础上,提出了一种满足QoS约束的负载均衡组播路由与频谱分配算法LMRS2A.LMRS2A的目标是:在满足无线组播业务QoS约束的情况下,均衡化网络的负载,最小化传输次数,优化网络资源的使用.LMRS2A算法首先采用LBWC算法计算无线链路的权值,进行负载均衡组播树的构造,然后采用基于无线广播特性的QoS约束频谱分配算法WBA2S对无线链路进行信道分配.仿真结果表明LMRS2A能达到预定目标,不仅避免了拥塞节点的产生,而且需要较少的传输次数.     

EIGRP不等价链路负载均衡网络方案分析与实施

负载均衡建立在现有网络结构之上,提升了网络的数据处理能力、灵活性和可用性,具有低成本且有效透明的优点。负载均衡之一链路的负载可以极大地提高链路的传输效率和利用率,EIGRP协议非常好地支持了不等价的链路负载均衡。本文针对某一网络结构,论述了EIGRP协议负载均衡的特点,分析了EIGRP协议不等价负载均衡配置方法,实现了网络架构的不等价链路的负载均衡。     

多链路负载均衡技术在气象业务网络中的应用

文章针对当前气象业务网络中多Internet链路接入的现状和存在问题,提出了利用多链路负载均衡技术的网络改造解决方案。链路负载均衡技术可以根据链路的状况在多条链路之间动态而透明地分配流量和负载,有效地实现了多链路的负载均衡和冗余备份。最后结合气象业务网络配置实例,分析了链路负载均衡技术的实现过程和实际应用效果。     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

基于空间光链路的双层卫星网络路由算法研究

在分析传统多层卫星网络路由算法的基础上,提出了一种基于空间光链路传输的双层卫星网络结构及其相应的基于拉格朗日松弛算法的LDSR算法。该结构根据空间光链路的特点及双层卫星网络的优势,在考虑适合该体系接入策略的同时提出将MEO作为天基网接入域的组成部分,由MEO星座进行路由信息的会聚及分发业务,同时LEO卫星则基于拉格朗日松弛算法来确定其选用的路由并预留带宽。仿真结果表明,该算法可以在充分利用卫星网络的通信容量的同时提供较好的QoS路由性能。     

基于正交自适应鲸鱼优化的云计算任务调度

针对任务调度中存在的任务完成时间长、系统执行任务成本高且系统负载不均衡等问题,提出了一种基于正交自适应鲸鱼优化算法（OAWOA）的云计算任务调度方法。首先,将正交试验设计（OED）应用于种群初始化和全局搜索阶段,以提升和维持种群的多样性,避免算法过早陷入局部收敛状态;然后,利用自适应指数递减因子和双向搜索机制,来进一步加强算法的全局搜索能力;最后,对适应度函数进行优化,从而使算法实现多目标优化。通过仿真实验将所提的算法与鲸鱼优化算法（WOA）、粒子群优化（PSO）算法、蝙蝠算法（BA）以及其他两种改进的WOA进行比较。实验结果表明,在任务规模为50和500时所提算法都取得了更好的收敛效果,并且得到的系统执行任务的总时间和总成本均低于其他几种算法,同时负载均衡度仅低于BA。可见,所提算法在降低系统执行任务的总时间和总成本以及提高系统负载均衡方面均表现出了显著的优势。     

多次抢占项目调度问题的混合遗传算法

研究多次抢占式资源受限的项目调度问题，假设任意时间点可作为资源抢占节点且抢占次数不受限制，建立满足多次资源抢占的线性整数规划模型并提出改进遗传算法对其进行求解。为克服遗传算法（GA）局部搜索能力缺陷，在算法中引入禁忌搜索（TS）进一步优化子代。针对性地设计了允许多次抢占的基于工作优先级编码策略以及串行调度方案生成机制。通过测试算例集实验调试算法参数，并以标准算例集（Project Scheduling Problem Library，PSPLIB）对算法进行可行性检验。实验结果表明，资源受限项目调度问题中引入多次抢占机制能有效缩减项目工期，设计的算法对问题求解效果良好。     

基于强化学习的多策略选择遗传算法

为解决传统遗传算法早熟收敛和收敛速度慢的问题,提出一种基于强化学习的多策略选择遗传算法MPSGA。通过使用不同的选择策略将整个种群划分为3个子种群并分别进化,能提高种群的多样性,有效避免遗传算法的早熟收敛问题。将种群的多样性和算法的运行机制相结合,根据种群多样性的变化运用强化学习算法动态地优化各子种群间的比例参数,从而将种群多样性保持在合适的范围,一定程度上解决了收敛速度和全局收敛性之间的矛盾。实验结果表明,该算法在收敛精度和搜索效率上都表现出较好的性能。     

基于AHP-RBF的Swift云存储负载预测

通过对Swift云存储中Proxy Node的负载因素研究,提出结合层次分析法（AHP）和混合递阶遗传训练的RBF神经网络实现对Swift云存储负载情况的预测,其中使用AHP构造对云存储系统的负载层次化模式,提高负载预测的综合精度,设计了RBF神经网络预测模型,用混合递阶遗传算法（HHGA）确定RBF神经网络的参数和结构。仿真实验结果表明,对Swift云存储负载的预测具有可行性,能为系统动态负载均衡决策提供依据。     

基于遗传算法优化和BP神经网络的短期天然气负荷预测

天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义.短期天然气负荷预测问题具有周期性和随机性的变化规律.传统方法无法进行准确的预测,预测精度较低.为了提高天然气负荷的预测精度,提出一种基于遗传算法优化和BP神经网络的天然气负荷预测方法.采用遗传算法对BP神经网络连接权值和阈值等模型参数进行优化,从而建立最优的天然气负荷预测模型,并采用某企业的天然气负荷数据对所建立预测模型的可行性和有效性进行验证.仿真结果表明,相对于传统BP预测算法,基于遗传算法优化参数的BP神经网络提高了天然气负荷预测精度,具有一定的实际工程应用价值.     

遗传算法优化延迟时间和嵌入维的网络流量预测

为了提高网络流量的预测精度,利用延迟时间（τ）和嵌入维（m）间的联系,提出一种遗传算法优化τ、m的网络流量预测模型（GA-PSR）。将τ和m作为遗传算法的个体,以网络流量预测精度作为目标函数,通过选择、交叉、变异等操作找到最优τ和m值,重构网络流量序列,采用BP网络对网络流量建立单步、多步预测模型。仿真实验结果表明,相对于对比模型,GA-PSR提高了网络流量的预测精度。     

基于蚁群算法的多目标网络铺设策略研究

研究通信网络在不同目标下的铺设策略。为满足不同需求,建立网络终端之间的距离矩阵并将其转化为一个全连通无向赋权图。根据网络设计标准,以最低成本为唯一目标建立最短路径模型,利用Prim算法求解得到最小生成树。在最小生成树逻辑结构上建立稳定性度约束模型,给出满足度约束的铺设方案。综合考虑网络铺设的多方面影响因素,建立多目标组合优化模型,基于蚁群算法设计不同链路通断概率、不同链路数目和较高稳定性下的全局最优铺设策略。