基于并行计算熵的同构集群负载均衡算法

提出并行计算熵的概念以及基于并行计算熵的同构集群负载均衡算法．理论分析证明并行计算熵作为系统负载均衡程度度量的合理性．算法以并行计算熵来衡量集群系统中节点之间负载均衡程度,以节点任务运算量来衡量节点的负载信息,并根据并行计算熵来进行负载迁移决策．实验证明相对基于任务数阈值的负载均衡算法并行计算性能有一定提高．     

基于机器学习的动态负载均衡模型研究

现阶段,负载均衡服务器运行参数是根据经验设定的,这不利于自动运维。针对该现状,笔者提出一种基于机器学习的动态负载均衡模型。该模型在传统的负载均衡模型基础上增加了负载权重预测模块,并为策略转发模块补充动态调整功能。权重预测模块采用机器学习的经典算法线性回归来预测各个负载权重值,算法采用非定时触发机制,在预测权重值的同时也动态调整算法模型参数和触发周期,具备自我调优能力。策略转发模块在经典转发算法上增加了动态调整权重值功能,能够平滑地对权重参数进行调整而不影响后端负载能力。权重预测模块与策略转发模块采用多线程设计,互不干扰,仅通过消息缓冲区进行通信,保证了模块独立性和稳定性。压力测试表明,改进的负载均衡模型能够动态调整负载参数,结果符合预期。     

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.     

一种无线传感器网络能量均衡路由算法

将无线传感器网络路由视作一种不完全信息的序列决策问题,针对传感器网络能耗不均的问题,提出了一种基于强化学习预测的能量均衡路由算法EBRRLP.该算法通过强化学习预测转发节点的行为,并利用ε贪婪策略选择预测值最优的节点发送数据,事后采取委托-代理激励制度抑制转发节点的自私性,维护节点的最大效用.仿真实验结果表明,EBRRLP算法具有较好的预测效果和较高的吞吐量,能有效降低能量损耗并均衡能量负载,其性能优于现有的其他算法.     

自适应负载均衡路由算法研究

提出了一种基于流言机制的自适应负载均衡路由算法.该算法结合流言路由机制与网络负载均衡的思想,在路由发现阶段,根据节点分布情况和节点当前负载在局部范围内的相对轻重,自适应地调整流言转发概率,让负载较轻的节点优先参与路由建立.仿真实验表明,该算法减少了路由开销,提高了分组平均投递率,降低了数据分组端到端平均时延,具有较强的...     

一种综合的结构化P2P系统负载均衡机制

提出了基于异构节点的标识空间分割算法,实现节点异构条件下分布式散列表空间的均衡分割,从而均衡各个节点的存储负载;其次提出基于虚拟环负载转移算法,将路由和响应负载由重载节点转移到轻载节点,从而缓解由于对象查询不平衡带来的路由和响应负载不均衡.在OverlayWeaver上进行实验的结果表明,通过采用包含基于异构节点的标识空间分割算法和基于虚拟环负载转移算法的综合机制可以很好地均衡对等网络(P2P)系统中异构对等方的负载.     

基于多层Bayesian信任网的P2P负载均衡模型

针对基于信誉机制的P2P(Peer-to-Peer)网络中的负载不均衡现象,提出一种基于多层Bayesian信任网的P2P负载均衡模型,介绍了如何在Bayesian信任网中引入多种负载指标以及它们之间的各种关联,并且使用该结构预测P2P网络中各服务节点的负载,使整个网络达到负载均衡.对包含负载指标的多层Bayesian信任模型和动态负载模型进行了实验比较.实验结果表明:基于Bayesian信任网的P2P网络负载均衡模型运用节点的历史交互信息,结合Bayesian预测理论,影响资源请求节点选择服务节点,实现P2P负载的有效均衡,确保整个P2P网络资源利用的高效性、节点服务的可靠性以及整个网络的稳定性.     

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。     

基于负载均衡的联合路由策略

针对目前IP over WDM网络中的路由算法在负载均衡方面存在的问题,提出了一种考虑负载
均衡的新型联合路由算法——负载均衡算法(LBA). 该算法在链路（包括逻辑链路和物理链
路）权值分配过程中考虑了节点负载的影响,并且在目标函数的选取中充分考虑了链路资源
的利用情况. 通过对节点负载分布的方差和业务阻塞率的仿真分析,验证了该算法在负载均
衡和网络资源优化利用及降低端到端时延等方面的优越性.     

一种网络编码的多播路由算法

提出一种基于网络编码的新多播路由算法,该算法借助Dijkstra约简网络搜索源节点到各接收节点的路径族,并在搜索过程中考虑不同路径族之间链路的共享,以降低带宽资源消耗,改善链路负载均衡,提高了网络性能．仿真验证了算法的有效性,而且其性能逼近基于网络编码的最小费用多播算法．最后,数学分析表明该算法节约了40％左右的计算量．     

基于能量异构网络环境下的WSN优化成簇算法

在能量异构无线传感器网络中,节点的初始能量在一定的范围内随机分布,负载均衡和降低能耗是传感器网络成簇算法的一个重要挑战．提出了适用于能量异构网络环境下的传感器网络生存时间优化成簇算法SNLOC（Sensor Network Lifetime Optimization Clustering Algorithm）,该算法通过构造基于节点剩余能量的簇首选择机制和基于综合代价函数的簇域划分机制,在有效保证节点能量损耗公平性的同时逐渐降低网络节点间的能量差异,很好地延长了网络生存时间．模拟实验结果显示,在能量显著差异的网络环境中,SNLOC可以更好地实现负载均衡,极大地提高网络的生存时间．     

基于灰色模型的海洋大数据迁移算法设计

针对海洋大数据环境的数据量大和实时动态变化的特点,提出了一种基于云存储的海洋大数据迁移算法。首先,对海洋大数据进行了表示;设计了一种灰色模型的服务器负载预测算法,该算法能根据服务器历史负载信息来预测下一个时刻的负载。基于服务器的负载预测信息,提出了一种对服务器的负载进行实时迁移的数据迁移算法,通过设定最大负载阈值和最小负载阈值来实现服务器负载的均衡分配。在CloudSim环境下进行实验,实验结果表明文中方法能有效地实现海洋大数据环境的云环境的负载均衡,具有负载均衡高和负载均衡效率高的优点,与其他方法相比,具有更好的负载均衡能力。     

基于云计算的弹性负载均衡方案

针对云环境下大量并行计算易导致节点负载不均影响云平台服务质量的问题,提出一种基于云环境的弹性负载均衡方案。该方案构造了负载均衡模型框架,对虚拟机负载状况和虚拟机集群资源利用率进行量化评估,并为实现虚拟机集群负载的均衡和弹性伸缩,设计了负载均衡模型和弹性伸缩算法。测试结果表明在该负载均衡机制下,新方案的用户响应时间有所改善,可相应提高资源利用率。     

多属性决策的IPv6移动网络路由选择算法

针对IPv6多宿移动网络容易出现数据流集中于少数移动路由器节点,从而导致负载过重问题,提出了一种基于多属性决策的负载均衡路由选择算法。通过引入移动路由器节点的带宽、丢包率、挂载节点个数等多个决策属性信息,使用组合赋权法计算各决策属性的权重,建立了多属性决策模型,移动节点依据该决策模型选择最优的移动路由器节点来转发数据。该算法综合考虑移动网络负载分布状况及节点数据类型,合理分配数据流量,可均衡全网络流量。仿真实验表明,该算法使移动网络流量得到控制,且网络延时降低约50%,网络整体性能得到了明显的改善,同时该算法代价小且具有良好的网络环境适应性。     

移动Ad Hoc网络的一种自适应权值分簇算法

为有效解决移动Ad Hoc网络簇结构的稳定性问题,提出了一种分簇算法．在流量均衡的基础上, 综合考虑节点所处的网络环境和本身状态,根据适应性权值选择簇首,实现对随机分布的移动节点自适应动态分簇,并通过可用度来优化簇内的节点数．仿真测试表明,该算法在不增加开销的情况下,能适应性均衡簇首负载,有效防止簇首成为瓶颈．     

一种负载均衡的无线传感器网络自适应分簇算法

在分簇算法中,有效的簇首选取策略可以提高网络负载均衡和簇首均匀分布程度.针对簇首选取问题,文章提出了一种负载均衡的无线传感器网络自适应分簇算法,该算法使用簇半径、节点剩余能量和簇首间距作为参数选取簇首,网络中簇内成员到簇首的通信以及簇首之间的通信都基于自由空间模型的低能量衰减,簇首与Sink节点采用多跳的方式进行通信.仿真结果表明,与LEACH算法比较,该算法有效地实现了网络负载均衡和簇首均匀分布,延长了网络生存时间.     

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．     

基于Nginx的Web服务器性能优化研究

动态负载均衡算法能最小化并行集群中应用服务的响应时间或执行时间,并且对解决高度并行系统中不可预测负载估计问题至关重要。通过加权最小连接算法与upstream机制相结合,提出一种动态反馈负载均衡算法,解决Nginx负载均衡的动态反馈问题,提高了负载均衡分配的准确性。压力测试结果表明,该算法能避免因动态负载信息采集而引入影响整体性能的通信负载开销,提高算法可行性,减小Web服务器平均响应时间并提升正确响应率,为服务器性能优化提供新的解决方案。     

基于免疫优化策略的副本放置算法

副本放置问题在云计算环境分布式存储系统中是一个关键问题。针对现有副本放置算法存在的数据副本访问开销较大，节点负载不均衡的问题，提出了一种基于免疫优化策略的副本放置算法。通过计算节点的亲和度，并借助免疫优化系统特有的克隆选择和免疫记忆机制，对副本节点的评价和选择更加合理。基于Matlab的仿真实验证实该算法能够降低分布式存储系统的副本访问开销，均衡节点负载。     

P2P流媒体直播系统自适应邻居节点选择算法

针对P2P网络中节点的异构性,提出了一种基于节点动态服务能力的自适应邻居节点选择算法．首先,为分析节点的动态服务能力特性,对流媒体直播系统进行建模,并根据该模型将系统节点按照服务能力分为不同的级别．再采取随机行走的方式选择邻居节点,随机行走过程结束时的节点被加入备选邻居列表．为保证备选邻居节点拥有较强能力,根据节点服务能力动态调整随机行走的期望静止概率分布,采用Metropolis-Hastings算法计算转移矩阵以满足期望静止概率分布．详细描述了节点加入、退出过程以及邻居节点更新策略,以确保节点负载的均衡及系统稳定性．实验结果表明,该算法能显著提高系统性能,降低系统延时,同时对动态网络环境有良好的鲁棒性．