[發(fā)明專利]一種基于遺傳算法的服務(wù)器負(fù)載均衡方法有效
| 申請?zhí)枺?/td> | 201610280719.4 | 申請日: | 2016-04-29 |
| 公開(公告)號: | CN105704255B | 公開(公告)日: | 2019-01-08 |
| 發(fā)明(設(shè)計)人: | 包曉安;魏雪;張娜;吳彪;熊子健 | 申請(專利權(quán))人: | 浙江理工大學(xué) |
| 主分類號: | H04L29/08 | 分類號: | H04L29/08 |
| 代理公司: | 杭州求是專利事務(wù)所有限公司 33200 | 代理人: | 鄭海峰 |
| 地址: | 310018 浙江省杭州市*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 遺傳 算法 服務(wù)器 負(fù)載 均衡 方法 | ||
本發(fā)明公開了一種基于遺傳算法的服務(wù)器負(fù)載均衡方法。涉及負(fù)載均衡技術(shù)領(lǐng)域,包括以下幾個步驟:1)采用十進(jìn)制對空間的候選解進(jìn)行編碼,隨機(jī)產(chǎn)生適量初始串結(jié)構(gòu)數(shù)據(jù)作為初始種群;2)遺傳算法以初始種群進(jìn)行迭代,當(dāng)最優(yōu)字符串的適應(yīng)度與最小適應(yīng)度值之差小于e或迭代達(dá)到預(yù)設(shè)的代數(shù)時,算法終止;3)通過Mean?Variance模型進(jìn)行資源利用率和執(zhí)行時間適應(yīng)性值的評估檢測;4)按輪盤賭方法選擇適應(yīng)性強(qiáng)的字符串,對選擇的字符串進(jìn)行交叉、變異運(yùn)算,產(chǎn)生新的字符串進(jìn)行下一輪的迭代,回到步驟2。本發(fā)明將Mean?Variance模型應(yīng)用于適應(yīng)度的評估,改善了傳統(tǒng)目標(biāo)函數(shù)的模式,所得到的資源使用均衡情況和執(zhí)行時間可以更有效的衡量字符串適應(yīng)性,提高了負(fù)載均衡性能。
技術(shù)領(lǐng)域
本發(fā)明涉及負(fù)載均衡領(lǐng)域,主要是基于遺傳算法改進(jìn)負(fù)載策略提高服務(wù)器資源的利用率同時減少總?cè)蝿?wù)的執(zhí)行時間。
背景技術(shù)
近年來,隨著移動互聯(lián)網(wǎng)和云計算的發(fā)展,在線信息呈爆炸性增長。一些像企業(yè)網(wǎng)絡(luò)、校園網(wǎng)絡(luò)和廣域網(wǎng)絡(luò)等主要區(qū)域的網(wǎng)絡(luò)業(yè)務(wù)流量和負(fù)載已經(jīng)遠(yuǎn)遠(yuǎn)超出了單個服務(wù)器的處理能力。服務(wù)器集群技術(shù)就是用于解決單一服務(wù)器處理能力的瓶頸問題,其通過服務(wù)器集群來代替單一的高性能服務(wù)器,從而提高服務(wù)器系統(tǒng)對用戶請求響應(yīng)的效率,縮短用戶請求的等待延遲,提高用戶體驗(yàn)。在服務(wù)器集群中,用戶的請求需要經(jīng)過負(fù)載均衡器(應(yīng)用層網(wǎng)關(guān))將請求任務(wù)分配到后臺的服務(wù)器進(jìn)行處理,對于負(fù)載均衡器來說,能否進(jìn)行合理、高效的任務(wù)分配是決定整個服務(wù)器系統(tǒng)性能的關(guān)鍵。
負(fù)載均衡技術(shù)為負(fù)載均衡器如何能夠高效地為服務(wù)器集群提供高效的任務(wù)分配提供了很好的解決方案。負(fù)載均衡技術(shù)能夠根據(jù)后臺服務(wù)器的處理性能,合理的分配給各個后臺服務(wù)器適合匹配的任務(wù)。通過負(fù)載均衡技術(shù)能夠加以解決服務(wù)器集群的后臺服務(wù)器負(fù)載不均衡問題,提高了服務(wù)器集群的資源利用率,有效的提升了整個集群的性能,降低了用戶的請求響應(yīng)等待延遲。
遺傳算法是生命科學(xué)與工程科學(xué)互相交叉、互相滲透的產(chǎn)物。其本質(zhì)是一種求解問題的高度并行性全局搜索算法。它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識,并自動地控制搜索過程以求得最優(yōu)解。此時適應(yīng)度函數(shù)的設(shè)置就至關(guān)重要,目標(biāo)函數(shù)決定著如何進(jìn)行優(yōu)勝劣汰,通過目標(biāo)函數(shù)選擇優(yōu)良字符串進(jìn)行交叉變異。簡單遺傳算法作為一種啟發(fā)式搜索算法,尋優(yōu)理論還不完善。因此,對自適應(yīng)遺傳算法的進(jìn)一步研究和探討是很必要的。
投資組合優(yōu)化問題作為現(xiàn)代金融學(xué)的一個核心課題,主要研究如何對金融資產(chǎn)進(jìn)行合理配置與選擇,從而實(shí)現(xiàn)收益率最大化與風(fēng)險最小化間的均衡.1952年,美國經(jīng)濟(jì)學(xué)家Harry M.Markowitz在《The Journal of Finance》雜志上發(fā)表了“Portfolio Selection”一文,首次使用證券收益方差度量風(fēng)險,提出了Mean-Variance投資組合選擇理論,奠定了定量化研究金融投資問題的基礎(chǔ)。研究不同金融市場下,具有不同風(fēng)險厭惡系數(shù)的兩個投資者在不同風(fēng)險下的投資組合博弈問題,為投資者進(jìn)行投資決策提供了指導(dǎo)。繼而在應(yīng)用層路由的多路徑中該權(quán)值是通過Mean-variance模型的最優(yōu)化問題求解來獲得的。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江理工大學(xué),未經(jīng)浙江理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610280719.4/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





