基于遗传算法的Web集群负载均衡方法

Web集群技术解决了Web服务器系统的容量问题,其核心思想是负载均衡策略和算法。在此对Web集群中的负载均衡技术进行了分析和探讨,并提出一种混合遗传算法。仿真实验表明,这种算法能有效解决Web集群的负载均衡问题,并且能避免标准遗传算法的早熟收敛现象,同传统的负载均衡方法相比,降低了任务执行时间。     

基于LVS的负载均衡技术在邮件集群系统中的应用研究

实现大容量邮件系统的关键是选用适合的负载均衡技术建立集群系统．在分析目前主要负载均衡技术的基础上，提出了基于LVS负载均衡技术的邮件集群系统结构，并阐述了实现系统负载均衡的具体方法．该方法显著地提高了邮件系统的性能和安全性．其应用在天津教育网邮件集群系统中，取得了较好的效果．     

在集群系统中实现均衡负载

本文介绍了负载均衡的原理以及在一个集群系统中如何来实现均衡负载。     

计算机集群中的负载均衡探讨

介绍了计算机集群的概念、分类与结构，探讨了计算机集群系统中的负载均衡和迁移过程。     

基于内容的Web集群系统负载均衡策略

Web集群技术解决了Web服务器系统容量问题，其核心思想是负载均衡策略和算法。传统的策略对某些站点类型有效，而不能满足各种类型站点的要求。笔者分析了各种类型站点的负载特点，讨论了负载均衡需要解决的主要问题，提出了一种基于内容的Web集群负载均衡策略和相应的负载均衡算法，并通过仿真实验验证了该策略和算法的有效性。     

负载均衡在内网安全审计系统中的应用

内网安全是目前网络安全领域的研究热点。本文在研究和分析了现有内网安全审计系统的基础上,探讨了负载均衡算法,提出了一个基于负载均衡的内网安全审计系统的架构模型。该模型把集群服务器的动态负载均衡用在安全审计中,有效解决了有控制中心的分布式审计系统的瓶颈问题。     

负载均衡技术在防火墙集群中的应用

负载均衡是一种策略,用来分流繁重的计算或I/O任务,从而提高系统的整体性能,以确保网络的稳定运行.随着网络信息流量的指数级的增加,使得保护网络安全的防火墙成为网络使用的瓶颈并制约着网络的实际应用,影响着网络的性能和扩展性.负载均衡技术应用于两台以上的防火墙集群服务,采用自适应动态负载均衡方式,是提高防火墙的可用性、处理能力和吞吐量的一种适用而有效的方案.     

遗传算法在资源均衡问题中的应用

本文研究网络计划工期固定、资源均衡问题的遗传算子设计,编制了基于遗传算法的优化程序,并用于施工实践,显示了优于Microsoft Project的优化效果.     

智能负载均衡技术在高负荷网站上的应用

某些网站存在访问规模大并且时间上密集,导致Web服务器不堪重负的问题。基于LVS项目,给出了采用DR模式的Web集群解决方案,针对LVS自带的加权最小连接数算法的权值不能反映服务器实时负载能力,提出并实现了全动态智能加权最小连接数算法,测试了该算法的实际使用性能。     

基于集群的自适应负载均衡研究

目前在大多数的集群系统中都使用了负载均衡技术,以提高整个系统的执行效率。但是由于集群系统的负载粒度为节点,负载均衡服务就有可能不断地在两个节点之间快速地切换,这种节点负载快速变化的现象称为负载颠簸,会导致系统的不稳定;另外一种现象称为负载成群是当有一个轻载节点可用时,负载均衡服务在很短的时间内将所有的请求都转发到这个节点上,会导致这个节点严重过载。本文针对这些现象提出了一种自适应负载均衡算法(DAA)和一种计算节点相对负载的方法,有效的解决上述问题,极大的提高了集群系统的响应速度和执行效率。     

基于量子遗传算法的多约束QoS路由算法

论述了用量子遗传算法解决计算机路由选择中的选播QoS路由问题。在考虑网络带宽、时延的基础上,将资源消耗函数和网络负载分布作为目标函数,采用量子比特编码,利用量子旋转门操作实现量子染色体的更新操作来求最优解,希望所选路径消耗较少的网络资源,并使负载尽量均衡分布,达到合理利用网络资源,降低网络拥塞的目的。     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传算法的人工神经网络负荷预测研究

针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进。     

一种基于简单遗传算法的K-Means改进算法

针对k-means算法对初始值敏感、易陷入局部极小值等缺点,结合遗传算法的思想,提出了一种基于遗传算法和k-means算法的混合聚类方法,为了测试该聚类算法的性能,用k-means 算法和改进的算法进行了1组实验,并对2种算法的聚类结果进行比较,实验结果表明算法能够有效地解决聚类问题.     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

一种应用于负载均衡的模拟退火遗传算法

提出了一种基于模拟退火遗传优化算法,求解流量工程中的网络负载均衡问题。这种新型算法不仅能够均衡网络业务流量,相对于其它遗传算法,还具有收敛速度快、简单高效的特点。通过理论分析详尽说明算法的设计思想和相对于现有算法的优越性。     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础,提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题,并设计出相应的适应度函数、改进的算子以及控制参数,以弥补传统基因遗传算法的不足,提高了执行速度和进化效率．     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。