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．     

云数据中心基于异构工作负载的负载均衡调度方案

针对目前云数据中心的负载均衡调度方案没有研究将不同工作负载的应用程序进行整合的问题,提出了基于异构工作负载的静态和动态负载均衡调度算法。当放置新的虚拟机的时候,通过静态负载均衡调度算法,将虚拟机分配给物理机。云数据中心运行过程中,采用动态负载均衡调度算法将负载高的物理机上的虚拟机迁移到负载低的物理机上。仿真实验结果表明,新的调度方案不仅能够降低云数据中心的不均衡率,而且使节点内的多维度资源得到了合理地利用。     

基于OPNET的集群负载均衡仿真

为了分析比较集群负载均衡中随机调度算法、轮转算法、加权轮转算法等3种基本算法,介绍了OPNET的建模方法,给出了基于OPNET进行网络仿真的建模层次和步骤,并运用OPNET建立集群系统模型,对其进行仿真测试．仿真结果表明：3种算法均能实现负载的平衡分配,在同构集群中,轮转算法有较好的负载均衡效果;但在异构的集群系统中,加权轮转算法具有最好负载均衡效果．     

基于Agent的Web缓存主动负载均衡模型

为改善Web缓存系统中存在负载不平衡现象，提出了一种基于Agent的自主式缓存负载平衡方案．文中对Agent的结构进行了设计，指出了现有均衡算法的不足，提出了基于主机检测的动态复制均衡算法和交换负载均衡算法．最后通过仿真对方案的有效性进行了检验，检验结果表明，选择不同的均衡策略和算法与传统方法相比有更好的灵活性．     

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。     

基于负载均衡度的云计算任务调度算法

针对当前云计算环境中用户群与数据量庞大的特点,如何设计高效的负载均衡调度算法是云计算领域一直探索的重要课题.提出一种基于负载均衡度的云计算任务调度算法(TS-CCLB),该算法首先依据空间案投影分析计算了集群的负载均衡度,以此给出调度决策变量,并依据任务的执行代价完成时限赋予任务不同的优先级别.任务调度时将任务按优先级调度到最大决策变量值所对应的虚拟机上.实验结果表明,该算法可有效提高云计算集群的负载均衡性,缩短总任务的完成时间,尤其当任务数与节点规模较大时,优势更为明显.     

基于结构化P2P系统的SDYA负载均衡算法

在基于分布式哈希表（DHT）的结构化对等网络（P2P）系统中,DHT的使用及节点的计算能力和带宽等方面的异构性导致系统中节点负载不均衡,进而影响了系统的效率. 基于虚拟服务器的策略,提出一种混合式负载均衡算法,统称为静态负载分配算法和动态负载调整算法（SDYA）. 该算法可根据节点的能力为其分配相应大小的可动态调整的地址空间及合理的负载. 仿真结果表明,相对于传统虚拟服务器均衡算法,SDYA算法的负载均衡效果显著,均衡速度快,均衡开销小,系统稳定性好.     

基于SLA的云数据中心负载均衡理论研究

以市场驱动为出发点,设计了资源负载状态获取指标和虚拟机迁移效用分析指标,提出了基于时间序列的负载预测算法和基于SLA的虚拟机均衡迁移机制,通过在CloudSim仿真环境下的分析和比较,该负载均衡机制能够以最大化收益为目标实现系统负载均衡。     

ITSGrid资源调度策略的研究

定义了系统负载均衡评价值和资源节点满意度评价模型,并在此基础上设计了一种分布式资源自适应调度算法(GLBCQ),同时兼顾全局负载均衡和用户自定义的服务质量,可根据智能交通系统计算任务的自定义服务质量需求,结合当前智能交通系统网格的系统负载状况,为提交的任务自适应地选择最优资源．仿真实验结果表明,GLBCQ算法具有更高的效率和自适应性,能够促进智能交通系统网格的系统负载均衡以及整体性能的提升．     

LRV负载均衡算法的研究与实现

在研究基于软交换的集群媒体服务器的系统特征的基础上,提出了1种LRV(limited resource vector)负载均衡算法并提供了算法的软件实现方法,该算法考虑了异构系统中资源的协调使用并有效防止了系统性能的剧烈变化. 通过在负载均衡系统Petri网模型上的大量仿真模拟,对LRV负载均衡算法与其他传统负载均衡算法在系统吞吐量、系统响应时间和性能平稳性几个方面做了比较和分析. 结果表明,LRV算法具有更优越的性能,LRV算法的软件实现方法对其他异构集群系统也具有重要参考价值.     

网格环境中基于蚂蚁算法的任务调度策略的改进

任务调度和负载均衡是网格计算环境中影响系统性能的重要问题．由于网格资源通常是位于不同的地理位置,由不同的组织管理,加之系统可能发生故障,所以在大型网格环境中任务调度和负载均衡是一个非常复杂的问题．本文应用改进的蚂蚁算法,通过增加负载平衡因子,将用户提交的任务合理地映射到相对空闲的网格资源上,有效地实现了任务的合理调度和负载均衡．     

一种有效的嵌入式系统动态负载平衡算法

提出的负载平衡算法改变了结点传递的实际负载信息,使修改后的负载信息能体现出结点及其周边结点的负载形势,以此弥补了相邻结点负载平衡算法的不足,并将其应用在嵌入式多处理器系统上．结果表明了该方法的正确性与可行性．     

基于Agent的Web缓存主动负载均衡模型

为改善Web缓存系统中存在负载不平衡现象,提出了一种基于Agent的自主式缓存负载平衡方案.文中对Agent的结构进行了设计,指出了现有均衡算法的不足,提出了基于主机检测的动态复制均衡算法和交换负载均衡算法.最后通过仿真对方案的有效性进行了检验,检验结果表明,选择不同的均衡策略和算法与传统方法相比有更好的灵活性.     

基于网格的异构无线网络负载均衡算法

针对目前软负载均衡算法中无线资源统计不具有普适性,未考虑用户业务需求与异构资源单元差异性匹配的问题,根据网格计算的思想,在异构无线网络中提出了基于网格的负载均衡算法。该算法首先将无线资源映射成不同的三维资源单元,每个三维资源单元相当于一个网格。然后将业务分成不同的子业务流(数据包),统一分给不同的网格,实现业务的分布式分流,在保证用户QoS的情况下,实现网络的负载均衡。仿真结果表明:基于网格的负载均衡算法能够较好地均衡异构网络间的负载,降低负载偏离度,提高系统吞吐率。     

分布式无线通信系统中负载均衡问题的研究

提出了负载均衡在分布式无线通信系统信号处理资源管理中的应用方法,给出了负载均衡域的划分依据,即域内处理节点呼损概率的方差大于某一定值。指出了负载的评价、均衡的粒度及策略的选择方法。通过分布式时间驱动算法的仿真验证了负载均衡的效果及均衡域的划分依据。     

基于消息的加权负载均衡算法

在研究EAP协议与Diameter协议的基础上,为解决分布式认证系统节点间会话一致性的问题,以及尽可能减少服务节点数量改变时产生的会话迁移数量,提出了一种基于消息的加权负载均衡算法(MOLB)。该算法使用散列法、虚拟节点和红黑树相结合的技术,实现了客户端请求在服务节点间的合理分布。Diameter网络环境中的实验结果表明:与其他常用的负载均衡算法相比,本文算法具有较小的负载均衡度和会话破坏度以及较低的会话破坏分布度。