基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。     

基于遗传粒群路径优化的网络拥塞控制方法

将粒群和遗传算法相融合,提出了基于遗传粒群路径优化的网络拥塞控制方法,该方法在满足带宽、时延、费用多项QoS指标的条件下对负载进行路径优化,以负载均衡分布函数和资源消耗函数作为优化目标,旨在消耗尽可能少的网络资源的同时,也使网络负载的分布尽量均衡,从而避免网络拥塞。仿真结果表明该方法的有效性和可靠性。     

一种基于模糊评判和遗传算法的网络资源优化利用和多约束路由选择方法

文章提出了一种解决网络资源优化利用和多约束路由选择的算法。该算法将传输时延、传输费用和负载分布作为目标函数,利用模糊评判将多目标优化转化为单目标优化,并用具有免疫机制的遗传算法进行求解。希望所选路程消耗较小,并使负载尽量均衡分布,达到优化利用网络资源、降低网络拥塞的目的。理论分析和仿真实验表明,该算法是非常有效的。     

多目标进化遗传算法在QoS路由中的研究

基于多目标规划问题,给出了QoS路由指标的形式化描述及数学模型。提出了用NSGA-II算法来实现QoS路由,并采用网络资源消耗和负载分布为目标函数,使得算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。通过仿真实验表明该算法是可行的、有效的。     

基于遗传算法的网络负载均衡的选播路由算法

在分析选播通信服务的基础上,提出了一种能实现网络负载均衡的基于遗传算法的选播QoS路由算法,该算法在满足业务带宽和时延的基本要求下,采用适合问题特点的遗传算子,将网络资源消耗和负载均衡分布作为目标函数进行优化,达到网络资源消耗较小,负载均衡分布的目的,仿真结果表明,该算法是有效且切实可行的。     

改进人口迁移算法用于QoS路由优化

研究了带宽、时延等QoS路由问题,针对原人口迁移算法易收敛于局部最优且计算量大,计算时间长的特点,提出了一种改进的人口迁移算法（modified Population Migration Algorithm）,并将其应用于QoS路由选择优化问题。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

网络负载均衡优化算法的建模与仿真

研究网络资源管理中的负载均衡与优化问题,网络资源有限且负载具有突发性,造成资源浪费。采用传统单一蚁群算法或遗传算法均存在各自不足,难以适应用网络负载变化特点,使网络资源利用率低,网络拥塞严重。为了提高网络资源利用率,使网络负载更加均衡,提出一种蚁群-遗传算法的网络负载均衡方法。首先利用遗传算法对网络负载均衡问题进行全局搜索,使网络负载均衡的解迅速处于全局最优区域解附近,然后将遗传算法的解作为蚁群算法初始信息素,进行进一步搜索,最后找到网络负载均衡的最优解。仿真结果表明,用蚁群-遗传算法提高了网络资源利用率,降低网络丢包率,提高网络整体性能。     

模拟退火遗传算法在网络负载均衡中应用研究

研究网络负载均衡问题,由于现代网络负载具有高突发性、高实时等特点,针对网络资源利用率和流量控制问题,单纯的采用模拟退火或遗传算法无法适合其变化规律,导致网络资源利用率低,网络拥塞现象严重.为了提高网络资源利用率,使网络负载均衡更加合理,提出一种与模拟退火和遗传算法相融合的网络负载均衡方法.首先利用遗传算法对网络负载均衡问题进行全局搜索,使问题的解迅速处于全局最优区域附近,然后采用模拟退火算法在全局最优区域附近进行进一步局部寻优,找到网络负载均衡最优解.仿真结果表明,改善了全局搜索速度,提高了网络资源利用率,明显改善网络负载不均衡的状况.     

一种基于遗传算法的资源优化利用路由算法

提出了一种基于遗传算法的可以使网络资源优化利用的路由算法.该算法在考虑网络资源消耗的基础上,以网络负载平衡为优化目标,从而达到合理利用网络资源、增强网络生存性的目的.最后给出了仿真实验结果,并对结果进行了分析.     

Towards an adaptive human-centric computing resource management framework based on resource prediction and multi-objective genetic algorithm

The complexity, scale and dynamic of data source in the human-centric computing bring great challenges to maintainers. It is problem to be solved that how to reduce manual intervention in large scale human-centric computing, such as cloud computing resource management so that system can automatically manage according to configuration strategies. To address the problem, a resource management framework based on resource prediction and multi-objective optimization genetic algorithm resource allocation (RPMGA-RMF) was proposed. It searches for optimal load cluster as training sample based on load similarity. The neural network (NN) algorithm was used to predict resource load. Meanwhile, the model also built virtual machine migration request in accordance with obtained predicted load value. The multi-objective genetic algorithm (GA) based on hybrid group encoding algorithm was introduced for virtual machine (VM) resource management, so as to provide optimal VM migration strategy, thus achieving adaptive optimization configuration management of resource. Experimental resource based on CloudSim platform shows that the RPMGA-RMF can decrease VM migration times while reduce physical node simultaneously. The system energy consumption can be reduced and load balancing can be achieved either.     

基于遗传算法的Kubernetes资源调度算法

Kubernetes在优选阶段仅根据节点CPU和内存的利用率来决定节点的分值,这只能保证单节点的资源利用率,无法保证集群资源的负载均衡.针对该问题,提出一种基于遗传算法的Kubernetes资源调度算法,该算法加入了网络带宽和磁盘IO两项评价指标,同时为评价指标赋予不同权重值,并且引入校验字典校验并修复遗传算法生成的新种群中不符合配置的个体.实验结果表明,与Kubernetes默认资源调度策略相比,该算法考虑了集群中的所有节点的资源利用率,在保证集群负载均衡方面有着更好的效果.     

基于生物网络中间件的网络自适应性研究

自适应性网络环境将成为未来Internet的不可缺少的重要构成部分,基于生物网络中间件设计了自适应软件体系结构,然后设计了一种特殊的生物实体——调度生物实体,利用调度实体来指导生物实体的移动,以期获得生物网络的负载平衡。提出一种基于免疫遗传算法的调度算法,该算法以网络负载平衡为优化目标,使实体相对均衡地提供服务,达到合理利用生物网络资源,增强其自适应性的目的。最后,对网络服务使用进行仿真,实验结果证明了算法的有效性。     

基于禁忌遗传优化的网络拥塞控制算法

为解决网络拥塞问题,提出一种基于禁忌遗传优化的网络拥塞控制算法TSGA。该算法将禁忌搜索和遗传算法相结合,以网络资源消耗最小化和网络负载均衡分布为目标,建立多约束QoS路由优化数学模型。仿真实验结果证明,该算法可实现网络拥塞控制,有效提高网络性能。