基于动态指数平滑预测的负载均衡算法

负载均衡算法是决定计算机集群性能的关键．研究介绍了常见的负载均衡算法,讨论了这些 算法的优缺点,并在此基础上提出了一种基于负载预测的均衡算法．该算法通过动态指数平滑模 型,计算出适应于当前服务器节点负载时间序列的平滑系数,预测该节点下一时刻负载值,分发器 再以负载预测值最小为依据调度用户服务请求．使用ＯＰＮＥＴ网络仿真软件进行测试,结果表明该 算法能有效提高负载均衡效率,具有良好的负载均衡效果．     

基于时间序列预测的延迟容忍网络路由算法

本文提出了一种基于时间序列预测的延迟容忍网络路由算法。该算法通过改进的加权移动平均时间序列预测方法,利用节点中不断积累的历史连接信息,预测链路的未来连接状态,并以保证消息最早到达目标节点为路由选择依据,构建节点内部的路由表信息。本文算法不要求节点有任何网络连接的先验知识,并且能够随着网络拓扑的变化调整消息的传输路径,克服了同类算法需要大量网络连接先验知识而导致路由算法实用性差的问题,提高了算法的适用性。仿真结果表明,本文算法与MED、MEED算法相比,在不同的网络带宽和节点缓存条件下具有更高的传输成功率和更低的平均传输延迟。     

集群Web服务器的预测最小连接请求调度算法设计

讨论了集群Web服务器的几种请求调度策略,针对现有的请求调度策略都是基于队列当前状态的调度,提出"预测最小连接优先"请求调度策略.通过请求速率、服务器负载及队列的历史信息来预测未来队列的状态,然后根据预测队列的状态分配请求连接,从而有效地解决服务器间的负载不平衡.     

动态预测的网格调度算法

针对网格环境下计算节点的自治性、异构性、动态性、分布性等特征,提出了一种基于动态修正预测的调度算法.该调度方法依据历史教据和最近访问过的计算节点的性能,网络通信延迟等信息,形成经验规则并根据其进行计算,预测计算节点的将采性能,并通过使用动态修正有效降低预测误差,将任务提交给轻负载或性能较优的计算节点完成.实验结果表明,该方法不但可以有效减少不必要的延迟,而且在任务响应时间、任务的吞吐率及任务在调度器内等待被调度的时间方面比随机调度等传统算法要优.     

基于学习自动机与萤火虫算法的链路预测

便携交换网络由具有社区属性和移动规律的人组成,具有节点移动性、节点间间歇性连接、高延迟等特点,本文研究其网络行为预测中的链路预测问题,提出基于学习自动机和萤火虫算法的链路预测方法。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。在INFOCOM06和MIT两个真实数据集上的实验结果表明,与受限玻尔兹曼机、弱评估器等方法对比,本文方法具有更高的准确率和更好的稳定性。     

P2P点播数据调度策略的模糊控制实现

在P2P点播系统中,针对现有算法不能充分利用节点的上行带宽的问题,从数据请求量的角度,提出一种数据调度策略的模糊控制实现．该策略中,节点在计算数据请求量时,将节点缓冲区及上行带宽信息模糊化后,依据模糊规则产生模糊决策,并利用模糊控制的策略,动态地决定向邻居节点及服务器的数据请求量．仿真结果表明,该策略能够有效提高节点的上行带宽的利用率,降低了服务器的负载．     

移动容迟网络中基于改进随机路点模型的移动连接路由

在移动容迟网络中,考虑到稀疏网络节点混存长时间被无效消息占用情况,将移动连接路由算法与倒数计时器和快速缓存释放策略相结合,提出了加速缓存释放的移动连接路由算法,并研究了节点移动速率、通信距离、节点数量、消息有效时间、场景尺寸等对算法性能的影响。结果表明:该路由算法在保证传输可靠性的前提下能够提高网络的传输效率。     

OpenStack环境下的资源动态调度研究

针对云计算平台中资源调度问题,提出了基于Open Stack的虚拟机动态调度算法。算法主要采用了基于节点负载的上线和下线触发策略和以提高服务质量和减少迁移成本的待迁移虚拟机选择策略.为了避免群聚效应,维持系统的负载均衡,通过计算虚拟机对节点的需求度来衡量虚拟机与节点间的匹配度,利用匹配度制成概率轮盘的目的节点的选取策略。最后结合云计算仿真平台CloudSim对算法工作的情况进行模拟,验证了算法的调度质量。     

基于Nginx 服务器的动态负载均衡策略

针对并发请求带来的服务器过载的问题, 将Nginx 服务器内置负载均衡策略进行优化, 提出一种由负载采集、算法调度以及健康检查3 个模块构成的动态负载均衡策略, 其中算法调度模块给出改进后的调度算法--动态负反馈调度算法, 以及新的度量指标。采用Apache BenchMark 的httpd-tools 工具进行测试, 结果证明, 改进后的策略使得服务器集群中的资源得到更为有效的利用, 系统的吞吐量和处理能力得以提高, 该调度算法无论在用户请求响应时间、实际处理的请求数, 还是负载均衡度都优于Nginx 内置的两种算法。     

航空货站自动化存取系统作业调度优化

为从作业调度角度提高航空货站自动化存取系统运作效率,在分析双板作业和防冲突避让对指令序列完工时间影响的基础上,以指令序列完工时间最短为优化目标,建立了航空货站自动化存取系统调度优化模型,并设计了一种改进的蚁群算法对模型进行求解.为避免算法在搜索过程中陷入局部最优,在引入权重信息素和随机扰动策略的基础上,提出了具有变异率的状态转移参数,用于在寻优过程中决定蚂蚁的移动方向.仿真结果表明:改进的蚁群算法较基本蚁群算法和遗传算法具有更好的全局搜索能力和求解精度,所提出的调度优化方法获得的指令序列完工时间较先到先服务调度策略有至少37%的改进.     

基于粒子群优化算法的Hadoop调度算法研究

为提高Hadoop平台性能,提出一种基于粒子群优化算法的Hadoop调度算法。以粒子位置代表可行的资源调度方案,以任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找到最优的资源调度方案。实验结果表明,该算法能够很好的平衡资源负载,减少任务完成时间,有效的提高了Hadoop平台的性能。     

基于J2ME的移动网络泡泡堂游戏设计与仿真

介绍了基于J2ME技术开发的手机泡泡堂游戏框架与文件结构。采用状态机、对象池、多线程、地图绘制等技术,设计了游戏场景、道具与关键代码,重点阐述了手机游戏地图绘制技术和游戏角色的产生与回收,给出了通信消息接口设计与网络连接方法,并进行了服务器仿真运行测试。系统具有较高的可移植性,可在主流手机平台中运行。     

基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。     

基于Multi-Agent的分布式测控系统任务调度算法

基于Multi-Agent提出了一种新的分布式测控系统动态任务调度算法。该算法采用接收者启动的调度策略,根据各主机负载状态,在系统运行过程中动态迁移任务,有效地提高了系统效率,实现了负载均衡的目标。该算法采用移动Agent来迁移任务,有效地减少了网络传输,节省了时间。     

基于蚁群模拟退火算法的云环境任务调度

针对云计算的MapReduce编程框架,提出一种融合蚁群算法和模拟退火算法的混合调度算法（ACOSA）。该算法以最小化调度时间为目标,引入了任务与资源的匹配因子和负载均衡度,先利用蚁群算法得到一组任务到资源的优化解,然后通过模拟退火算法对解进行路径的优化和信息素的更新。通过扩展Cloudsim云计算仿真平台,对其进行重新编译,实现了所提出的算法,实验结果表明该算法在调度时间、负载均衡等方面表现良好。     

一种混合实时任务系统的公平调度算法

Baruah提出的PFair公平调度理论是周期任务在多处理器系统上的最佳实时调度理论,而在实际实时系统中,实时任务往往是由周期任务和非周期任务组成的混合任务系统．在研究PFair公平调度理论和算法的基础上,提出了基于服务器思想的公平调度方案,使得PFair调度理论适用于多处理器系统中混合任务的实时调度,并提出了对非周期任务进行实时调度的3种策略,给出软实时性非周期任务在不同调度策略下的最坏响应时间计算公式,并且证明了计算公式．     

基于多目标权衡的数据网格作业调度算法

动态变化的数据网格环境下,很大一部分服务器和带宽资源于分发业务和下载类服务的传递,其资源请求任务受调度长度、时间跨度、负载均衡、服务质量、经济原则及安全性能等诸多因素制约,难以用单一的特征来表示。鉴于此,基于多目标权衡提出一种针对多业务作业请求矩阵,权衡多参数均衡的作业调度算法。仿真实验表明,该算法能在系统重载时提升系统整体的吞吐率,适应大规模图状数据处理场景.     

CDNs基于缓存区预测机制的负载均衡算法

提出了一种基于缓存队列长度动态预测机制的请求重定向（BMP）算法,采用M/M/1排队模型对分布式内容分发网络的负载均衡算法进行了描述,基于队列长度预测的机制减少了分发请求过程中不必要的重定向,同时可以克服单点过载问题.仿真分析结果显示,相比于之前的负载均衡控制策略算法,所提出的BMP算法对服务器缓存区队列长度的均衡效果更优;同时,由于减少了不必要的重定向,也降低了请求响应过程的时延成本.