日韩成人黄色,透逼一级毛片,狠狠躁天天躁中文字幕,久久久久久亚洲精品不卡,在线看国产美女毛片2019,黄片www.www,一级黄色毛a视频直播

一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法與系統(tǒng)的制作方法

文檔序號:7762430閱讀:204來源:國知局
專利名稱:一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法與系統(tǒng)的制作方法
技術領域
本發(fā)明涉及互聯(lián)網(wǎng)領域,尤其涉及一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法與系統(tǒng)。
背景技術
隨著計算機和網(wǎng)絡技術的快速發(fā)展,大型分布式系統(tǒng)的應用越來越廣泛,諸如網(wǎng)絡流媒體點播、多方在線游戲、遠程教育、在線醫(yī)療等都屬于大型分布式系統(tǒng)。大型分布式系統(tǒng)由于其用戶數(shù)量龐大、位置分散等特點,當面對較大的系統(tǒng)訪問量和復雜的業(yè)務處理需求,導致網(wǎng)絡負載不均衡時,容易出現(xiàn)系統(tǒng)運行緩慢、效率低等問題。目前,解決大型分布式系統(tǒng)運行效率低的問題的一般方法是根據(jù)實際需要,不斷的提高網(wǎng)絡服務器的性能。然而,提高網(wǎng)絡服務器的性能,必然會大幅度的增加系統(tǒng)運行成本,使得系統(tǒng)的性價比越來越低,不利于推廣應用。另外,還有一種研究方法指出利用全局動態(tài)物理負載均衡算法,構建一種集中式的優(yōu)化網(wǎng)絡拓撲結構,以提高大型分布式系統(tǒng)運行效率。其優(yōu)點是不需增加系統(tǒng)的運行成本,缺點是其算法復雜度較高,存在單點失效的缺陷,且無法適用于動態(tài)、實時的環(huán)境,適應性較差。

發(fā)明內容
本發(fā)明實施例的目的在于,提供一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法與系統(tǒng),該方法采用分布式策略,避免了集中式算法復雜度高和單點失效的問題,且具有良好的適應性。為了實現(xiàn)上述目的,本發(fā)明實施例提供了一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法,其特征在于,包括
將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,并隨機選擇偶數(shù)個所述網(wǎng)絡拓撲結構的個體作為初始的種群;
在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù),根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代; 對所述父代執(zhí)行遺傳算子,形成子代;
將所述子代代入所述多目標函數(shù)中計算其后悔值,并判斷所述子代的后悔值是否小于所述父代的后悔值;
當判斷結果為所述子代的后悔值小于所述父代的后悔值,則以所述子代替換所述父代形成新的種群,并判斷是否滿足終止條件,若是,則輸出所述子代作為最優(yōu)結果,若不是,則返回計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代的步驟;
當判斷結果為所述子代的后悔值不小于所述父代的后悔值,則舍棄所述子代,并判斷是否滿足終止條件,若是,則輸出所述父代作為最優(yōu)結果,若不是,則返回對所述父代執(zhí)行遺傳算子,形成子代的步驟。進一步的,所述多個約束條件分別為資源耗費、通信延時、網(wǎng)絡抖動值和傳輸丟包率。進一步的,在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù)的步驟還包括將構建的多目標函數(shù)計算的后悔值通過歸一化方法化為同一量級。進一步的,所述遺傳算子包括單點交叉和交換變異。進一步的,所述計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代的步驟具體為計算個體適應度,并采用輪盤賭方式選擇適應度較高的個體作為父代。相應的,本發(fā)明提供了一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)系統(tǒng),所述系統(tǒng)包括
預備單元,用于將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,并隨機選擇偶數(shù)個所述網(wǎng)絡拓撲結構的個體作為初始的種群; 構建單元,用于在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù); 選擇單元,用于根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代;
計算單元,用于對所述父代執(zhí)行遺傳算子,形成子代;
判斷單元,用于將所述子代代入所述多目標函數(shù)中計算其后悔值,并判斷所述子代的后悔值是否小于所述父代的后悔值;
控制單元,用于當判斷單元的判斷結果為所述子代的后悔值小于所述父代的后悔值時,控制以所述子代替換所述父代形成新的種群,并判斷是否滿足終止條件,若是,則輸出所述子代作為最優(yōu)結果,若不是,則控制由所述選擇單元計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代;
當判斷單元的判斷結果為所述子代的后悔值不小于所述父代的后悔值時,控制舍棄所述子代,并判斷是否滿足終止條件,若是,則輸出所述父代作為最優(yōu)結果,若不是,則控制由所述計算單元對所述父代執(zhí)行遺傳算子,形成子代。進一步的,所述多個約束條件分別為資源耗費、通信延時、網(wǎng)絡抖動值和傳輸丟包率。進一步的,所述構建單元還用于將構建的多目標函數(shù)計算的后悔值通過歸一化方法化為同一量級。進一步的,所述遺傳算子包括單點交叉和交換變異。進一步的,所述選擇單元采用輪盤賭方式選擇適應度較高的個體作為父代。實施本發(fā)明實施例,具有如下有益效果
1、使用分布式策略,各網(wǎng)絡節(jié)點既可以協(xié)同執(zhí)行操作,又可以互不干擾對方的運行過程,避免了集中式算法復雜度高與單點失效的問題。2、使用遺傳算法,保證方案能夠在合理的時間范圍內得出問題的近似最優(yōu)解。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案,下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實施例,對于本領域普通技術人員來講,在不付出創(chuàng)造性勞動性的前提下,還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明的網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法的一實施例的流程圖; 圖2為本發(fā)明的網(wǎng)絡動態(tài)負載均衡的實現(xiàn)系統(tǒng)的一實施例的結構框圖。
具體實施例方式下面將結合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發(fā)明一部分實施例,而不是全部的實施例?;诒景l(fā)明中的實施例,本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護的范圍。圖1為本發(fā)明的網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法的一實施例的流程圖,如圖1所示, 所述方法包括以下步驟
步驟SlOO 將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,并隨機選擇偶數(shù)個所述網(wǎng)絡拓撲結構的個體作為初始的種群。具體的,設整個大型分布式系統(tǒng)網(wǎng)絡為G = (V, E),G為一個二維平面內的完全圖。其中,V= Iv1, V2, ...,vj為G的頂點集合,表示系統(tǒng)中的網(wǎng)絡節(jié)點;E = Ie1, e2, ...,em}為G的邊集合,表示網(wǎng)絡節(jié)點之間的鏈路;每條邊力與(1個權重相關聯(lián),表示為 Ω = {ωη, coi2,...,ω」(i = 1,2,...,m)。又設定節(jié)點通信的單跳路由最大延時閾值為tmax。以節(jié)點Vi為例,定義Vi的局部區(qū)域為圖G中以Vi為圓心、tmax為半徑的二維圓面,記為Gi= (Vi, Ei),而Gi內的將網(wǎng)絡所有結點連接起來但不構成回路的連通支路集構成生成樹,所述生成樹記為Ti,這樣將整個網(wǎng)絡G分割為若干個局部區(qū)域&。值得注意的是,在一個包含η個節(jié)點的完全圖中共有η11—2棵樹,因而可用η_2個數(shù)的排列來唯一表示一棵樹,其中每個數(shù)都是1到η之間的整數(shù),這個排列稱為ft~Ufer數(shù),這種編碼方式能夠唯一表示圖中所有可能的生成樹,并且在任何交叉或變異操作之后,仍然表示一棵樹。初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,即構建將局部區(qū)域內的所有結點連接起來但不構成回路的連通支路集,也即初始化代表所述生成樹的I^rufer數(shù),并隨機選擇偶數(shù)個ft~Ufer數(shù)作為初始的種群,同時,對計算的循環(huán)次數(shù)、計算過程中需使用到的各種參數(shù)進行初始化。步驟SlOl 在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù),根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代。具體的,在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù)過程如下 若令X= (X1, X2, ... ι)表示G的任一生成樹T的鏈接狀態(tài),則X的定義如下
(I9Si E T I
Os^rf = 12-……成⑴
若令S(T)表示圖G中所有生成樹的集合,那么對于η階完全圖,必有Is(T) I = ηη_2。再令fi(X) (i = 1,2,...,q)表示目標函數(shù),則基于以上定義,多目標最小生成樹問題可以表述如下
權利要求
1.一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法,其特征在于,包括將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,并隨機選擇偶數(shù)個所述網(wǎng)絡拓撲結構的個體作為初始的種群;在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù),根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代; 對所述父代執(zhí)行遺傳算子,形成子代;將所述子代代入所述多目標函數(shù)中計算其后悔值,并判斷所述子代的后悔值是否小于所述父代的后悔值;當判斷結果為所述子代的后悔值小于所述父代的后悔值,則以所述子代替換所述父代形成新的種群,并判斷是否滿足終止條件,若是,則輸出所述子代作為最優(yōu)結果,若不是,則返回計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代的步驟;當判斷結果為所述子代的后悔值不小于所述父代的后悔值,則舍棄所述子代,并判斷是否滿足終止條件,若是,則輸出所述父代作為最優(yōu)結果,若不是,則返回對所述父代執(zhí)行遺傳算子,形成子代的步驟。
2.根據(jù)權利要求1所述的方法,其特征在于,所述多個約束條件包括資源耗費、通信延時、網(wǎng)絡抖動值和傳輸丟包率。
3.根據(jù)權利要求1所述的方法,其特征在于,在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù)時將構建的多目標函數(shù)計算的后悔值通過歸一化方式化為同一量級。
4.根據(jù)權利要求1所述的方法,其特征在于,所述遺傳算子包括單點交叉算法和交換變異算法。
5.根據(jù)權利要求1所述的方法,其特征在于,所述計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代的步驟具體為計算種群中個體的個體適應度,并采用輪盤賭方式選擇適應度較高的個體作為父代。
6.一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)系統(tǒng),其特征在于,所述系統(tǒng)包括預備單元,用于將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構,并隨機選擇偶數(shù)個所述網(wǎng)絡拓撲結構的個體作為初始的種群; 構建單元,用于在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù); 選擇單元,用于根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代;計算單元,用于對所述父代執(zhí)行遺傳算子,形成子代;判斷單元,用于將所述子代代入所述多目標函數(shù)中計算其后悔值,并判斷所述子代的后悔值是否小于所述父代的后悔值;控制單元,用于當判斷單元的判斷結果為所述子代的后悔值小于所述父代的后悔值時,控制以所述子代替換所述父代形成新的種群,并判斷是否滿足終止條件,若是,則輸出所述子代作為最優(yōu)結果,若不是,則控制由所述選擇單元計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代;當判斷單元的判斷結果為所述子代的后悔值不小于所述父代的后悔值時,控制舍棄所述子代,并判斷是否滿足終止條件,若是,則輸出所述父代作為最優(yōu)結果,若不是,則控制由所述計算單元對所述父代執(zhí)行遺傳算子,形成子代。
7.根據(jù)權利要求6所述的系統(tǒng),其特征在于,所述多個約束條件分別為資源耗費、通信延時、網(wǎng)絡抖動值和傳輸丟包率。
8.根據(jù)權利要求7所述的系統(tǒng),其特征在于所述構建單元還用于將構建的多目標函數(shù)計算的后悔值通過歸一化方法化為同一量級。
9.根據(jù)權利要求7所述的系統(tǒng),其特征在于所述遺傳算子包括單點交叉和交換變異。
10.根據(jù)權利要求7所述的系統(tǒng),其特征在于所述選擇單元采用輪盤賭方式選擇適應度較高的個體作為父代。
全文摘要
本發(fā)明實施例公開了一種網(wǎng)絡動態(tài)負載均衡的實現(xiàn)方法與系統(tǒng),所述方法包括將大型分布式系統(tǒng)網(wǎng)絡劃分為若干個局部區(qū)域,初始化所述局部區(qū)域內的網(wǎng)絡拓撲結構種群;在所述局部區(qū)域內根據(jù)多個約束條件構建多目標函數(shù),根據(jù)所述多目標函數(shù)計算種群中個體的個體適應度,并選擇適應度較高的個體作為父代;對所述父代執(zhí)行遺傳算子,形成子代;將所述子代代入所述多目標函數(shù)中計算其后悔值,并判斷所述子代的后悔值是否小于所述父代的后悔值;當判斷結果為是,則以所述子代替換所述父代形成新的種群;當判斷結果為否,則舍棄所述子代。本發(fā)明所述系統(tǒng)可以用于實現(xiàn)所述方法。本發(fā)明技術方案采用分布式策略,算法簡單,且具有良好的適應性。
文檔編號H04L12/56GK102291308SQ20111024618
公開日2011年12月21日 申請日期2011年8月25日 優(yōu)先權日2011年8月25日
發(fā)明者任波, 王春霖, 金杉, 麥豐 申請人:中國廣東核電集團有限公司, 中科華核電技術研究院有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1