分布式均衡算法在防火墙集群中的实现

集中式的负载均衡算法虽然能提高防火墙集群系统的工作效率,但是负载平衡服务器本身承担了信息收集和权值计算等任务,会成为网络流量新的瓶颈。分布式负载均衡算法,将各结点信息的收集和权值的计算等项任务交由结点机自己完成,结点机主动将计算出的指标值定期发送给负载均衡服务器。负载均衡服务器只运行负载均衡算法来均衡网络访问,减少了中心负载均衡服务器的工作量,更有效地提高了防火墙集群系统的工作效率。     

防火墙集群动态自适应负载均衡算法设计与实现

对防火墙集群负载均衡算法进行了分析探讨,根据网络流量模型以及影响岁载均衡的因素,提出了一种防火墙集群的动态自适应负载均衡算法,并在实际应用中取得了极佳的性能。     

Web集群负载均衡算法比较

随着互联网应用的普及,对Web服务器的性能要求越来越高.采用多台主机组成集群统一对外提供Web服务,是目前比较流行的高性价比、高可靠性、可伸缩性的方案,而集群系统的性能关键在于均衡算法.本文基于LVS项目,分析并通过实验比较了各种均衡算法的性能,对构建Web集群系统具有较大的指导意义.     

一种基于内容的Web集群系统负载均衡算法

1.引言 Internet的普及为人们的工作带来许多方便,人们通过它获取信息或者开展电子商务活动。一个成功的Web站点面临不断增长的访问量和日益复杂的内容处理的挑战。这一切似乎都集中到如何扩充Web站点的处理能力上。早期依靠更高处理性能的服务器系统来解决问题的办法显得笨拙而昂贵。人们开始寻找更加灵活而廉价的技术手段。一些站点采用镜象(mirroring)的方式,在多个服务器上复制相同信息,以不     

服务器集群负载均衡技术研究及算法比较

简要介绍了负载均衡技术的分类及其发展,重点介绍了服务器集群负载均衡技术及应用.并对评价负载均衡优劣的重要标准之一--负载均衡算法的种类做了详细介绍及优缺点比较.对近年来一些新的负载均衡算法做了介绍.最后,对服务器集群负载均衡技术的发展前景做出了展望和预测.     

Web服务器集群的负载均衡算法研究

近年来,服务器集群(ServerCluster)技术以其扩展性好、处理能力强、易于管理等优点受到了国内外研究机构的广泛关注和应用,其中的负载均衡算法更是研究的热点,但目前普遍缺乏算法的理论分析。该文对Pick-K、Pick-KX算法的机理进行了深入的分析,揭示了它们的内在本质,并提出了动态负载均衡算法的理论模型,为以后设计更好的均衡算法提供了理论上的支持,同时也可以从理论上定性地分析已有算法的效果。文章根据建立的理论模型,提出了一种新的负载均衡算法Pick-T,能够根据参数在更新周期内自动确定较好的分配向量,从而从整体上达到较好的负载均衡。     

提高防火墙集群效率的分散式均衡算法及实现

防火墙集群系统中的负载均衡服务器承担了负载均衡及各结点信息收集和权值计算等任务,易成为网络流量新的瓶颈。分散式负载均衡算法,将信息收集和部分计算工作交由结点机自己完成,并将计算出的权值反馈给负载均衡服务器,大大减少了中心负载均衡服务器的工作量,有效地提高了集群系统的整体工作效率。     

集群技术及负载均衡调度算法研究

集群(cluster)技术是一种较新的技术,通过集群技术,可以在付出较低成本的情况下获得在性能、可靠性、灵活性等方面相对较高的收益.任务调度是集群系统中的核心技术.文章对集群的定义、分类、优点及各种常见的负载均衡调度算法进行了详细归纳.     

一种改进的集群动态负载均衡算法

在集群系统的研究中,负载均衡算法是一个重要的方向,因为它关系到多台服务器在整合成一个集群系统后能否很好地相互协作,以更好地完成用户交予的任务。为实现上述目的,本文在分析已有的负载均衡算法基础上,提出一种改进的能够实时收集服务器负载指标,进而动态地计算出服务器在分配用户连接中的权重的方法。测试结果表明,该方法能够有效地防止服务器倾斜,达到良好的负载均衡效果。     

基于改进蚁群算法的集群负载均衡研究

在集群负载均衡技术中,负载均衡算法的好坏直接影响负载均衡系统的性能.蚁群算法是一种很有效的组合优化算法.在蚁群算法的基础上,文章提出了一种与遗传算法相融合的基于基本蚁群算法的混合智能负载平衡算法.算法中遗传特征的引入,有效地改善了传统蚁群算法容易陷入局部最优解的缺陷,极大地提高了算法的收敛速度,有效地实现了集群的动态负载均衡.     

基于概率触发的负载均衡区域竞选分簇算法

无线传感器网络中由最大连通度生成簇算法得到的簇结构,各簇头节点间负载不均衡,能量消耗较快。对止,用剩余能量和发射功率构建综合权值来决定节点竞选簇头的可能性,并通过设计的拓扑维护概率适当性的对网络拓扑进行局部调整,形成了基于概率触发的负载均衡区域竞选分簇算法,有效地延长了网络生命期。     

基于概率触发的负载均衡区域竞选分簇算法

无线传感器网络中由最大连通度生成簇算法得到的簇结构,各簇头节点间负载不均衡,能量消耗较快。对止,用剩余能量和发射功率构建综合权值来决定节点竞选簇头的可能性,并通过设计的拓扑维护概率适当性的对网络拓扑进行局部调整,形成了基于概率触发的负载均衡区域竞选分簇算法,有效地延长了网络生命期。     

基于遗传算法的服务器端负载均衡系统的设计

在IP负载均衡的方式下,将并行分布式系统中广泛使用的遗传算法应用到服务器端负载均衡系统的设计中,并针对系统的实现对遗传算法作了适当改进,降低了服务器端请求的响应时间,提高了服务器端CPU的利用率,从而改善了系统性能。     

基于神经网络的协商学习机制

多agent协商研究中,如何通过学习提高协商效率是一个重要的课题,目前的研究多采用简单的学习算法,学习效果不好。论文首先提出了一个两方多回合交互协商框架,然后依据协商历史结果、协商双方初次出价等信知,对协商结果信息进行预测,从而确定协商交互中的推理策略,并利用BP神经网络的自适应、自学习能力对协商结果预测机制进行学习。随后的验证系统表明,该机制通过对协商结果的有效预测,提高了协商交互的效率和协商个体的效用。     

基于协同进化遗传算法的自动谈判

提出了基于协同进化遗传算法的自动谈判算法,模拟了有限期轮流出价谈判协议中的策略学习机制。实验结果表明,基于协同进化的自动谈判能够生成近似于子博弈完美均衡的策略组合,具有良好的应用前景。 自动谈判;协同进化;遗传算法;轮流出价     

基于协同进化遗传算法的多议题谈判

以协同进化遗传算法模拟自动谈判是目前智能计算和多Agent系统等领域研究的新课题。针对现有文献仅模拟单议题谈判的情况,该文提出基于协同进化遗传算法和适应度共享小生境技术的多议题谈判模拟算法,以轮流出价谈判协议为例进行仿真实验。实验结果表明,该算法能在策略种群中形成局部小生境,生成近似Pareto最优的策略集。     

有效的WebGIS地图服务器场负载均衡算法

针对现有网络地理信息系统（WebGIS）负载均衡技术的缺陷,分析利用集群技术解决WebGIS负载均衡的必要性和可行性,提出基于地图服务器场的WebGIS分布式负载均衡模型,研究地图服务器场分布式动态均衡调度算法,建立试验床,通过一系列的试验结果验证了该算法良好的全局网络负载性。     

基于TD3算法的自动协商策略

协商是人们就某些议题进行交流寻求一致协议的过程.而自动协商旨在通过协商智能体的使用降低协商成本、提高协商效率并且优化协商结果.近年来深度强化学习技术开始被运用于自动协商领域并取得了良好的效果,然而依然存在智能体训练时间较长、特定协商领域依赖、协商信息利用不充分等问题.为此,本文提出了一种基于TD3深度强化学习算法的协商策略,通过预训练降低训练过程的探索成本,通过优化状态和动作定义提高协商策略的鲁棒性从而适应不同的协商场景,通过多头语义神经网络和对手偏好预测模块充分利用协商的交互信息.实验结果表明,该策略在不同协商环境下都可以很好地完成协商任务.