一种软件定义无线网络负载均衡架构及算法

软件定义网络( SDN)为实现异构无线网络中的负载均衡提供了新的思路。设计了一种软件定义的无线网络负载均衡架构,并提出对应算法。首先,根据接收信号强度构建候选网络列表;其次,根据各候选网络的可用负载比率标准差进行负载差异分级;再次,将服务质量匹配度函数和负载均衡指数线性组合成联合优化函数,并根据负载差异分级对联合优化的权重进行动态调整,合理设置门限进行接纳控制。与传统算法相比,所提算法一方面可使各类业务阻塞率明显降低大约20%,另一方面使不同网络的归一化负载更加接近。该算法在进行网络负载均衡的同时,能够有效降低业务阻塞率,从而有效提升异构无线网络的整体性能。     

基于最大流的无线mesh网络负载均衡信道分配算法

针对无线mesh网络中各信道间的干扰情况及流量负载均衡问题,定义了负载均衡的目标优化函数,设计一种基于最大流的负载均衡信道分配算法。该算法优先考虑为负载量比较大的链路分配更多的带宽,使得一些关键链路能够承受较大的流量负载,实现各信道的负载均衡,减少网络拥塞,降低分组丢失率和延迟。实验结果表明,该算法较好地平衡了网络负载,在网络业务较重的情况下还能获得较好的网络性能。     

基于终端移动与业务到达认知的自适应无线接人控制机制

在未来移动互联网中,异种网络之间的密切合作将为用户提供无缝的业务链接.终端移动与业务到达的突发性造成了网络负载在时空域的不均衡分布,成为影响网络性能的重要因素.自适应的无线接入控制机制是均衡异种网络负载、提高无线资源利用率的有效途径.首先,本文提出了一种新的基于终端移动与业务到达认知的动态负载均衡策略.然后,根据业务到...     

面向分布式业务的可重构光网络资源调度机制研究

针对在光网络中为分布式并发业务提供定制服务的问题,提出了一种负载均衡的多源多路并行调度策略,将网络负载和应用负载均衡分担在不同的资源节点.通过仿真验证,与普通的单源单路最短路策略和多源多路最短路并行传输策略相比,该策略能够有效地降低分布式业务的阻塞率.以分布式服务GridFTP在可重构光网络实验床上的应用为例,通过实验验证了该策略的可行性和有效性.实验结果表明,综合考虑应用资源和网络资源的负载均衡,可以有效降低分布式业务在网格系统中的处理时间,提高系统性能.     

基于粒子群优化算法的数据中心网络流量调度策略

为解决当前数据中心网络存在链路负载不均衡及带宽资源浪费问题,提出了一种基于粒子群优化算法的流量调度策略.该策略结合软件定义网络控制器可获取全局网络拓扑信息的特性,依据当前链路带宽资源状况及网络流量的带宽需求建立目标函数.首先,根据流的源地址和目的地址找出最短路径集,通过定义粒子聚合度判断算法是否有陷入局部最优的趋势;然后,结合约束条件与目标函数,利用优化的粒子群算法从最短路径集中找出网络流量的最佳调度路径.实验结果表明,相比于其他算法,该算法有效地提高了网络平均吞吐量,获取了较低的丢包率,从而减轻了带宽资源的浪费,更好地实现了网络的负载均衡.     

光网络中实现流量工程的负载均衡动态路由算法

提出了一种在光网络中实现流量工程的负载均衡动态路由算法(LBDRO).该算法通过新定义的链路关键度函数和链路当前可用带宽确定链路动态成本,并依据该动态成本运用最短路径优先算法为到达的LSP请求建立动态成本优化路径.该算法的计算复杂度低,仿真实验表明,与MHA、WSP、MIRA算法相比,在光传输网络中,该算法在降低LSP建立请求服务拒绝率、均衡网络负载以及链路失效后重路由等方面有很好的性能.     

基于改进蚁群算法的软件定义网络负载均衡

为改善软件定义网络(SDN)负载均衡问题,对传统的蚁群算法进行改进,并结合服务器负载均衡算法,提出一个改进型的联合算法。该算法使用加权最小连接调度算法,服务器端选择负载最小的服务器,并利用改进蚁群算法(Im-ACO)选择到达所选服务器的最佳路径。理论分析及实验结果表明,提出的联合算法使网络性能得到显著提高,网络吞吐量更高,丢包率更低。     

无线公车网络切换策略研究

无线公车网络是一种特殊的无线车载网络,它具有一般无线网络所不具有的特点,例如可预测移动性以及每个站点存在一个或多个AP供车辆通信等等.这些特点使得现有切换机制未能很好地满足车辆通信要求并达到较好的性能.本文首先通过以基于Wi-Fi技术的一种公车网络结构BusNet为基础,利用公车的可预测移动性,针对一个站点只有一个AP的情形,提出一种单AP切换策略--S-Handoff.S-Handoff可以大大减少切换延迟.同时,针对一个站点存在多个AP的情形,分析了公车网络中AP的负载和吞吐率之间的关系,提出了一种多AP情况下的切换策略--M-Handoff. M-Handoff的核心是AP选择算法--BWT.该算法可以在保证系统吞吐率的情况下提供了简单而有效的AP负载均衡的选择策略.通过仿真实验,S-Handoff在切换开销上比基于SNR的切换策略要好很多.同时,BWT算法在系统吞吐率和AP负载均衡性方面的性能也好于基于SNR的切换策略.     

战术网络中基于资源负载均衡和服务优先级的业务调度策略

针对战术网络环境的多样化业务和网络异构性、高动态特性导致的网络负载易失衡的问题,提出了一种基于资源负载均衡和服务优先级的业务调度策略。通过所承载业务类型的优先级感知,基于通信网络当时可用资源等约束,将业务按需调度到战术通信网络的通信资源池,达到通信网络的自动负载均衡和资源可靠合理利用,提高业务服务质量,并保证高优先级业务可靠传输。通过仿真,验证了该策略算法可大大提高网络吞吐量和资源利用效率。     

LTE-Advanced异构网络中负载均衡研究进展及展望

新一代移动通信网络不断演进为高密集、无定型的异构网络,业务需求与资源供给的匹配问题,即负载均衡问题是异构网络(heterogeneous network,HetNet)资源管理的挑战问题之一.阐述了负载均衡的一般性问题,根据负载均衡算法的主要特征给出了综合分类,按照分类对近年来提出的主要负载均衡策略进行了细致和深入的对比分析;同时也对比分析了几种减少负载均衡过程中信令开销的方案.在总结现有研究成果的基础上,进一步分析负载均衡技术的最新发展趋势,为下一步的研究提出了新的问题和思路.     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算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,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

Crow–penguin optimizer for multiobjective task scheduling strategy in cloud computing

Task scheduling in the cloud is the multiobjective optimization problem, and most of the task scheduling problems fail to offer an effective trade‐off between the load, resource utilization, makespan, and Quality of Service (QoS). To bring a balance in the trade‐off, this paper proposes a method, termed as crow–penguin optimizer for multiobjective task scheduling strategy in cloud computing (CPO‐MTS). The proposed algorithm decides the optimal execution of the available tasks in the available cloud resources in minimal time. The proposed algorithm is the fusion of the Crow Search optimization Algorithm (CSA) and the Penguin Search Optimization Algorithm (PeSOA), and the optimal allocation of the tasks depends on the newly designed optimization algorithm. The proposed algorithm exhibits a better convergence rate and converges to the global optimal solution rather than the local optima. The formulation of the multiobjectives aims at a maximum value through attaining the maximum QoS and resource utilization and minimum load and makespan, respectively. The experimentation is performed using three setups, and the analysis proves that the method attained a better QoS, makespan, Resource Utilization Cost (RUC), and load at a rate of 0.4729, 0.0432, 0.0394, and 0.0298, respectively.     

适用于紫外光通信的延迟判决均衡算法

为了消除紫外光通信过程中强烈散射所引起的码间干扰，采用一种带信道估计的最小均方误差-最大似然估计(LMS-MLE)延迟判决均衡算法进行了理论分析和仿真验证。通过选取合适的判决延迟深度来调整LMS自适应滤波器抽头系数进行信道跟踪，获取新的信道估计向量，最后利用MLE均衡算法得到最优序列输出。结果表明, 该算法可以明显提升紫外光通信系统的性能，在没有提高复杂度的情况下，性能接近最优MLE均衡算法，并且可以实现信道跟踪, 紫外光通信中算法的最佳延迟量取值为20。这一结果对紫外光通信性能提升以及MLE均衡器的工程实现是有帮助的。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间( Femtocell)干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点( FAPs)进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。     

雷达干扰资源优化分配博弈模型和算法

从时间、空间、频率、能量四个方面对干扰效果进行定量描述,构建干扰效益矩阵,建立目标函数,并利用博弈论分析研究雷达有源干扰资源分配问题,证明了纳什均衡的可行性和存在性。基于最佳动态反应设计了集中式迭代干扰策略选择算法,基于学习自动机原理提出了分布式有限反馈干扰资源分配算法。仿真结果表明:文中提出的两种分配算法可以以很低的复杂度来获取一个很好的干扰性能,很好地解决干扰资源分配问题,对实际的指挥有一定的指导意义。     

基于非均衡求解的D2D多复用通信资源块分配算法研究

针对小区内D2D多复用的通信资源块分配问题,该文以一个D2D用户分别复用2个和3个蜂窝为基础,提出基于非均衡求解的D2D多复用模式下的资源块分配方案。利用博弈论将资源块划分问题转化为求解被复用蜂窝用户收益联合最大问题。当纳什均衡解不存在时,分析目标函数特性,在可行域内求解“最优解”,保证对不均衡解处理的最优性;对于均衡解存在的情况,将其取整后作为资源分配方案依据,保持其最优性。通过理论分析及仿真实验表明该算法可以提升系统吞吐率,提高小区通信性能。     

多目标优化问题的遗传算法改进研究

基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。     

Energy-efficient strategy for data migration and merging in Storm

Storm is suffering the problems of high energy consumption but low efficiency.Aiming at this problem,the resource constraint model,the optimal principle of data reorganization in executors and node voltage reduction principle were proposed based on the analysis of the architecture and topology of Storm,and further the energy-efficient strategy for data migration and merging was put forward in Storm(DMM-Storm),which was composed of resource constraint algorithm,data migration and merging algorithm as well as node voltage reduction algorithm.The resource constraint algorithm estimates whether work nodes are appropriate for data migration according to the resource constraint model.The data migration and merging algorithm designs an optimal method to migrate data according to the the optimal principle of data reorganization in executors.The node voltage reduction algorithm reduces voltage of work nodes according to node voltage reduction principle.The experimental results show that the DMM-Storm can reduce energy consumption efficiently without affecting the performance of cluster compared with the existing researches.     

基于种群混合协同联盟的属性量子博弈均衡约简

为进一步提高进化种群在粗糙集属性演化约简中寻求最优解的协同性能,提出了一种基于种群混合协同联盟的属性量子博弈均衡约简算法.该算法建立一种基于自适应多层进化树的种群协同演化联盟模型,以种群内个体竞争和种群间精英合作的混合协同机制实现各种群协同演化,较好地达到属性协同演化约简中广度寻优和深度探索的有效平衡;然后将信任裕度报酬机制引入到多种群精英量子协同博弈模型,种群精英在每个划分的属性子集中通过量子协同博弈策略均能求得各自最优约简子集,从而稳定取得Nash均衡下全局最优属性约简集.实验结果表明本文算法具有较高的属性演化约简效能和精度,对不完备电子病历系统中脑组织核磁共振成像MRI的高效约简与分割进一步展示其具有较强的实用性和鲁棒性.