基于改进蚁群算法的负载均衡机制的研究

针对传统网络中集群负载不均、负载压力大等问题,提出一种基于改进蚁群算法的动态负载均衡机制。该算法可根据服务器性能动态调整负载调度方案,实现服务器集群最小响应时间下的最大资源利用率。论文在基本蚁群算法的模型上,针对蚁群算法前期收敛速度慢和后期容易陷入局部最优解等问题,结合遗传算法和伪随机序列对算法进行优化。最后经实验结果证明,改进的蚁群算法能更好地提升系统负载均衡性能,实现负载目标。     

基于改进蚁群算法的遥感信息处理负载均衡任务调度算法研究

遥感信息服务链动态构建技术是根据用户提出的航天信息需求,以及用户0终端行为感知后形成的主动推送需求,将遥感信息获取与处理作为一种服务对待,利用服务组合与优化,动态构建服务链,实现网络环境下的信息资源按需聚合与高效协同,以满足对"端"的遥感信息支援应用需求;文章首先研究了蚁群算法和模拟退火算法在遥感信息处理计算节点任务上的调度原理,并分析了上述传统算法在得出最优解之前会出现的问题;基于蚁群算法并结合其他启发式算法的优点,提出了一种基于改进蚁群算法的负载均衡任务调度算法,完成了遥感信息多任务处理服务链的计算任务分配,提升了天基信息处理系统整体的计算效率;最后通过仿真实验验证了算法的有效性.     

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.     

云中基于蚁群算法改进的负载均衡策略

针对云计算虚拟化资源中,提高资源利用率、负载均衡度的问题,在蚁群算法的基础上,提出云中节点间负载均衡的改进算法。前向蚂蚁检测节点的类型、记录节点信息,遇到负载节点时留下觅食信息素;后向蚂蚁依据循迹信息素追溯回负载节点,合理分配超载节点任务。所有蚂蚁不再更新自己的结果集,而是致力于更新单个结果集,在搜索过程中依据节点类型动态地修改路径信息素。在Cloudsim平台下进行的仿真实验验证了改进算法的有效性。     

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.     

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。     

基于遗传算法的Web服务器集群负载均衡研究

近年来，Web服务器集群技术以其扩展性好、处理能力强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；对Web服务器集群负载均衡进行了研究，为有效地实现任务的均衡分配，提出一种了根据Web服务器系统中各个服务器的负载情况进行动态任务分配的遗传算法，实验表明该方法能有效地实现Web服务器集群的负载均衡服务。     

基于遗传算法的Web服务器集群负载均衡研究

近年来,Web服务器集群技术以其扩展性好、处理能力强等优点受到了国内外研究机构的广泛关注,其中的负载均衡算法更是研究的热点。本文对web服务器集群负载均衡进行了研究。为有效地实现任务的均衡分配,提出一种了根据web服务器系统中各个服务器的负载情况进行动态任务分配的遗传算法。实验表明该方法能有效地实现web服务器集群的负载均衡服务。     

服务器集群负载均衡策略的研究

针对服务器集群负载均衡的问题,兼顾任务调度跨度和负载均衡度,提出一种遗传模拟退火算法。实验结果表明,该算法降低了任务调度跨度,提高了集群系统的资源利用率和负载均衡度。     

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.     

基于改进蚁群算法的网络负载均衡路由优化

最短路径优先的路由控制策略在解决突发业务模式下的拥塞问题上存在不足,针对该问题,采用随机选择尺度因子实现负载均衡,增加路由器向所有相邻路由器转发分组的机会。设计路由算法模拟器,完成改进蚁群网络路由优化算法在4种典型网络上的仿真。以CHINANET为例的对比实验表明,在重负载情况下,改进的蚁群网络路由优化算法能获得较高的吞吐量、较低的平均时延与丢包率。     

基于蚁群算法的MPLS网络负载均衡研究

在分析了常用的几种QoS保障算法基础上,给出了负载均衡模型,提出应用蚁群算法求解MPLS网络负载均衡问题。该算法融入信息素、转移概率、启发式引导函数和相似度,有效提高了搜索效率。仿真结果证明算法是有效的,显著改善了传统MPLS网络负载均衡路由算法易于导致的网络流量分布不均衡的状况。     

多蚁群算法的网络负载动态均衡方法

针对网络资源管理中的负载均衡与优化问题,提出一种多蚁群网络负载动态均衡方法,采用网络流量工程理论中拥塞控制机制实现信息素随网络流量动态释放与更新。算法通过蚁群间信息素的动态相互作用（蚁群内信息素相互增强,蚁群间信息素相互削弱）,将代表网络负载的蚂蚁合理分配到可用路径,避免蚂蚁集中到特定路径而造成网络拥塞。实验结果表明,通过路径信息素控制能够实现网络负载均衡,有效提高网络在路径延时、平均带宽利用率和平均丢包率方面的性能。     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

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。     

基于蚁群算法的网络负载均衡的研究与实现

随着3G网络的日益普及和云网络集群与分布式并行计算的广泛应用,对网络速度和服务质量提出了更高要求。蚁群算法作为一种生物仿生式的启发算法,通过模拟蚁群间信息素的相互协作与动态更新,实时对网络流量负载进行均衡,并对路由选择进行优化。研究结果和仿真实验表明,该算法在解决网络拥塞瓶颈和集群分布式并行计算中,具有较好的研究价值与发展前景。     

双向反馈蚁群算法在网络负载均衡问题的研究

针对网络资源管理中的负载均衡与优化问题,提出一种双向反馈蚁群算法,用蚂蚁数量代表网络资源流量,通过蚂蚁间信息素的相互作用和动态控制来实现网络流量分担到多条可用路径。将蚁群算法扩展为双向反馈的蚁群算法,蚂蚁判断各条路径上的信息素浓度的同时,考虑可选链路的负载情况,决定选择要走路径,使得蚂蚁相对均衡地分布在可选链路上。仿真实验结果表明,双向反馈蚁群算法比原蚁群算法在缩短自适应时间,减少丢包率,提高负载均衡效率方面都具有更好的性能。     

基于遗传算法的VOD集群负载均衡研究*

VOD集群技术解决了VOD服务器系统容量问题,其核心思想是负载均衡策略和算法。对VOD集群中的负载均衡技术进行了分析和探讨,并提出了一种自适应遗传算法,取得了比较理想的实验结果。     

基于时间负载均衡蚁群算法的云任务调度优化

针对云渲染系统中渲染节点与任务不匹配调度而带来的时间负载不均衡和耗时长的问题,提出一种基于时间负载均衡的任务调度方式来优化系统耗时的策略.该算法采用Min-min与Max-min相结合的思想,建立时间负载均衡模型进行前期迭代,将迭代结果作为蚁群算法的初始序列,并按照适应度规则计算出相应的初始信息素,同时通过单一变量法确定合理的参数,蚁群算法采用已有的初始资源和参数值进行后期迭代,根据标准量度自定义函数进行高效寻优,进而求得最终的任务调度序列.仿真结果表明,本策略既具有较高的搜索效率和较强的全局寻优能力,又能有效降低任务完成时间,且在时间负载均衡和寻优速度方面均显著优于蚁群算法和蚁群退火算法.