网络处理器负载均衡中的遗传算法研究

根据IXP28XX网络处理器多引擎并行处理机制,针对微引擎处理数据包中出现的负载过重和任务拥塞问题,通过定义微引擎负载偏差率以及适应度函数,建立解决负载均衡问题的模型,利用遗传算法可以完成对各微引擎的负载调度。提出一种多点交叉和变异的遗传算法,仿真结果表明,该算法可以减少最优值迭代次数,从而缩短调度时间,使各微引擎的负载快速达到均衡。     

基于模糊强化学习和果蝇优化的WSN数据聚合算法

在无线传感器网络中,传感器的能量时有限的,如果传感器的能量耗尽,那么无线传感网络的鲁棒性和寿命就会大大降低.因此,提出了基于模糊强化学习和果蝇优化的数据聚合机制,以最大限度地延长网络寿命,并进行高效数据聚合.首先,网格聚类用于簇的形成和簇头的选择,接着评估各个网格簇所有可能的数据聚合节点,然后采用模糊强化学习选取最佳数...     

基于模糊逻辑技术的中间件负载平衡机制

针对当前基于中间件负载平衡机制中负载定位不够准确、监测粒度过大等问题,基于模糊逻辑技术提出一种更精确、更细粒度的负载平衡系统及其负载平衡机制。负载平衡系统的节点负载信息记录表记录系统中所有节点从模糊推理得出的负载状态信息,负载转发表记录服务节点与相应服务请求者之间的关系。实验结果表明,该负载平衡机制能有效地定位过载节点,较好地实现集群中的负载平衡服务。     

一种基于HEED的自适应负载均衡分群算法

针对 HEED mini-degree均匀分群算法分群结果中,孤立节点群和节点数过多群影响群间均匀性和网络可用性的问题,提出一种自适应负载均衡分群算法(ALBCA)。该算法根据网络的连通情况自适应设置群规模门限,并将孤立成群节点加入到邻近的非孤立节点群,提高群间均匀性和非孤立节点群数量。仿真结果表明,与HEED mini-degree相比,ALBCA算法在不同的网络连通情况下均能获得更好的群均匀性能。     

无线网状网中面向负载均衡的网关部署算法

综合考虑网关数量和网关负载均衡两方面因素,提出一种基于力的贪婪启发式分簇算法,在此基础上对杂交粒子群优化进行改进,给出一种适用于无线网状网的网关部署算法。仿真实验结果表明,该算法能以较少的网关数量实现网络负载均衡,从而提高吞吐量,改善网络性能。     

分布式文件系统的动态负载均衡算法

为了解决分布式文件系统的负载均衡问题,研究了多种负载均衡算法,分析各种算法的优缺点.综合了静态权重轮询算法和动态负载均衡算法两类算法的优点,提出一种自适应的综合动态负载均衡算法,它实现简单、降低了获取反馈信息的开销且不失实时性.经过试验比较,该算法能有效地降低平均响应时间和提高吞吐量,负载的分配更为均衡.     

自适应模糊逻辑系统的聚类学习算法研究

基于模糊逻辑系统一般数学模型，利用最近邻聚类学习算法对样本数据进行自适应分组，并对系统进行训练，从而使模糊逻辑系统具有自学习功能。     

改进果蝇算法优化CIAO-LSTM网络的时序预测模型

为了提高时间序列的预测精度,提出了一种基于改进果蝇算法优化直连长短期记忆网络的时间序列预测方法。将长短期记忆网络的多个时间步输入与输出进行全连接(CIAO-LSTM,直连长短期记忆网络),增强了对目标系统中线性成分的表征。提出了一种改进的果蝇优化算法(IFOA),通过动态改变果蝇的搜索半径和对适应度函数增加逃脱系数,提高了果蝇优化算法的全局寻优能力和局部收敛速度。使用IFOA优化CIAO-LSTM网络参数并构建预测模型(IFOA_CIAO-LSTM)。实验结果表明,优化后的时序预测方法相比传统的长短期记忆网络泛化能力更强、预测精度更高,对于波动较大的数据可以实现更好的拟合。     

果蝇优化算法的进展研究分析

果蝇优化算法作为一种新兴的群智能优化算法,具有结构简单、调节参数少、可操作性强和全局寻优快等特点,使其相较于其他智能算法更容易理解和实现,因此自其提出之日起便受到广泛的关注与研究。综述了果蝇优化算法的设计思想,围绕现有的改进方法和相关应用进行重点分析,分析了果蝇优化算法的研究进展,包括候选解产生机制、多种群协同搜索、飞行策略等方面的改进以及在复杂函数优化、参数优化、调度及物流问题等方面的应用,最后提出果蝇优化算法未来值得关注的研究方向和内容。     

点密度加权FCM算法的聚类有效性研究

模糊C-均值(FCM)算法是一种非监督的模式识别方法。由于该算法具有对数据集进行等划分的趋势,影响其聚类精度。利用数据点的密度大小作为权值,借助数据本身的分布特性,提出了一种点密度加权模糊C-均值算法。该方法不仅在一定程度上克服了FCM算法的缺陷,而且具有良好的收敛性。当以聚类已知的少量数据点作为监督信息指导聚类,聚类效果进一步改善。并用聚类有效性函数对算法的聚类有效性进行了评价,从而为算法的聚类性能提供了理论依据。     

基于混合果蝇-遗传算法求解柔性作业车间调度问题

根据柔性作业车间调度问题的特点,针对不同生产效率的并行设备,以完工时间最小化为目标建立优化模型,提出了混合果蝇优化算法和遗传算法的两阶段组合算法(FOA-GA). 在嗅觉阶段,通过局部路径搜索技术进行生产路径寻优;在视觉阶段,结合遗传算法的交叉和竞争机制,进行个体间的信息交换,利用寻优变异算子和常规变异算子进行两部分变异,再引入自适应动态转移算子进行调整以加快收敛速度. 在生产实例中,将FOA-GA算法与果蝇优化算法和遗传算法的结果进行比较,证明了其可行性和有效性.     

基于遗传算法负载均衡的网格工作流技术研究

针对传统的网格工作流系统中,在分配任务的过程中,根据执行任务的最短时间选取传输路径,这样造成多条路径负载的不均衡,导致网格工作流的工作效率低的问题。文章提出一种基于遗传算法负载均衡的网格工作流算法。通过模拟自然界的生物进化过程对任务空间进行随机化搜索,根据预定任务的适应度函数,并用全局并行搜索方式找到最优节点,避免了传统均衡方法的逐次匹配执行带来的低效问题。实验表明,该新算法能够实现快速负载均衡,提高网格工作流系统的工作效率,取得令人满意的结果。     

异构系统动态负载平衡的扩散算法

动态负载平衡是大规模并行计算中的一个十分重要的研究领域．它的主要方法是将计算负载通过并行计算机节点间的互连网络从负载高的节点移至负载低的节点．以前的学者针对同构系统提出了扩散算法等，对于异构系统研究得很少．该文研究了在异构系统中的扩散算法，在理论上证明了该方法的守恒性与收敛性，提出了一种构造异构系统的扩散矩阵的方法，并在不同规模的二维格栅网结构上进行试验，初步试验表明，该方法能够有效地对异构系统进行负载平衡，对于规模较小的系统收敛速度较快，而对于较大的系统，收敛速度慢一些．     

RFEHWSN中满足节点吞吐量需求的负载均衡基站部署方案

射频能量捕获无线传感器网络可以通过不同物理环境和不同需要条件如时间、频率、能量源的发送能量功率等维度上进行充分的控制,稳定性较强,而其中的基站不仅具有较高的成本,而且其部署位置很大程度地决定节点的可达吞吐量。本文研究了在满足每个传感器节点的吞吐量不小于其吞吐量需求的条件下,均衡基站负载量,尤其是负载量最大的基站,提出了优化每个基站的负载量的方案。首先进行系统建模,然后提出了一种启发式部署算法,以达到负载均衡的目标。通过这些步骤优化部署,既满足了每个节点吞吐量限制,又让每个基站负载量尽可能小。仿真结果表明,通过节点的优化接入能够有效降低网络基站负载量方差,达到了负载均衡的效果。     

基于文化算法的负载均衡自适应机制

负载均衡是解决Web集群系统容量和伸缩能力的重要方法,但通常使用的单纯的加权轮叫调度算法依然会导致服务器间的负载不平衡。本文分析了影响Web服务器性能的主要因素,提出了一种负载均衡的自适应机制。该方法将文化算法(CultureAlgorithmsCA)应用到对服务器性能权值的进化计算中,通过评价服务器的负载状况,获得优化的性能权值,并自适应地转换到集群的分配器中,使事务在集群系统中得到合理分配。模拟实验证明,随着访问量的逐渐增多,每台服务器都趋近于最佳负载,系统达到好的使用效果。     

一种面向节点负载均衡的虚拟网络重构算法

为提高虚拟网络请求接受率,针对物理节点负载不均衡的问题,提出一种面向节点负载均衡的虚拟网络重构算法。根据物理节点的平均可用计算资源和最小可用计算资源,设置一个阈值,对超过阈值的物理节点进行重配置,动态地选择需要迁移的虚拟节点,在均衡物理节点负载的情况下,尽可能地减少虚拟节点的迁移数量。仿真结果表明,所提方法均衡了物理节点负载,提高了物理网络资源利用率和虚拟网络请求接受率。     

Hybrid Architecture for Autonomous Load Balancing in Distributed Systems Based on Smooth Fuzzy Function

Due to the rapid advancements and developments in wide area networks and powerful computational resources, the load balancing mechanisms in distributed systems have gained pervasive applications covering wired as well as mobile distributed systems. In large-scale distributed systems, sharing of distributed resources is required for enhancing overall resource utilization. This paper presents a comprehensive study and detailed comparative analysis of different load balancing algorithms employing fuzzy logic and mobile agents. We have proposed a hybrid architecture for integrated load balancing and monitoring in distributed computing systems employing fuzzy logic and autonomous mobile agents. Furthermore, we have proposed a smooth and composite fuzzy membership function in order to model fine grained load information in a system. The simulation study and a detailed qualitative as well as quantitative analysis of algorithmic performances are presented. Lastly, a deployment environment is described.     

自调节步长果蝇优化的自适应密度峰值聚类

为了解决密度峰值聚类算法(Density Peaks Clustering algorithm, DPC)设置截止距离和选择聚类中心过程中的问题,一种新的自调节步长果蝇优化算法被用于密度峰值聚类的重要参数截止距离的计算,设计了一种自适应选择聚类中心的方法.在截止距离计算过程中,根据迭代过程中每一步之间的最优浓度与最差浓度的差值变化率动态的调节寻优步长,其寻优效率与精度均优于现存的改进果蝇算法.在聚类中心的选择过程中,由局部密度与距离乘积的分布情况,自适应的选择聚类中心.本文提出的自调节步长果蝇优化的自适应密度峰值聚类算法的计算精度和效率均优于现存的密度峰值聚类改进算法,并能完全自适应的实现数据的聚类.     

软件定义网络中蚁群优化的负载均衡算法

软件定义网络因其特定的网络结构,有集中控制获取与分配全球网络资源等特点。针对软件定义网络中的负载均衡问题,在原有蚁群算法的基础上,提出了一种改进的蚁群优化负载均衡算法,主要思想如下:利用蚁群算法的搜索规则,将链路负载均衡度、流接受率、时延和丢包率作为蚂蚁选择下一节点的影响因素,在多个约束条件下,获得传输的最佳路径。理论分析及仿真结果说明,所提出的算法具有较好的负载平衡能力,而且可以提高网络的服务质量。     

分布式计算机系统中的负荷平衡算法

本文阐述了分布式计算机系统的负荷平衡问题。在能够达到负荷完全平衡和负荷只能近似地达到平衡的两种情况下，本文提出了时间复杂性为Ｏ（ｎ）的负荷平衡算法。最后还讨论了具有不同处理机速度的负荷平衡问题以及求解平衡的算法。