基于效用函数的C+W网络负载均衡研究

针对C+W网络中的负载均衡问题,提出一种基于效用函数的解决方案.首先获取网络关键指标,依据关键指标建立博弈模型,通过求解模型制定最优网络资源分配策略,最后依据该策略均衡网络负载,实现运营商利益最大化,方案给出了C+W网络负载均衡流程图.仿真结果证明算法是有效的,该方案能够提高网络资源利用率,实现了C+W网络负载均衡.     

云系统负载均衡问题的优化求解

为了得到理想的云计算负载均衡结果,提出一种改进布谷鸟搜索算法的云计算负载均衡优化策略.分析了云计算负载均衡问题,建立了相应的数学模型,用鸟巢模拟云计算负载均衡问题的潜在解,并通过布谷鸟之间的交流和信息共享找到全局最佳鸟窝位置,即云计算负载均衡的最优方案,然后与粒子群算法进行了对比测试实验.实验结果表明,改进布谷鸟搜索算法可以得到理想的云计算负载均衡结果,提高了云计算资源的利用率,得到了比粒子群算法更优的解.     

一种面向流媒体云服务平台的自适应负载均衡方法

设计了一种基于云计算技术的流媒体服务平台体系结构,针对此服务平台提出了一种面向云计算资源的自适应负载均衡方法,以提高平台的资源利用率以及减少服务拒绝率.测试结果表明:此方法适用于流媒体云服务平台的负载均衡调度.     

基于效益分析的云平台资源弹性伸缩方法

针对构建弹性云平台的关键问题展开研究,从提升系统负载自适应能力与资源利用率角度,提出一种基于效益分析的面向作业需求的细粒度云平台资源弹性伸缩方法.为最大化系统可伸缩性,消除集中式集群单点限制,采用资源分层管理策略,实现集群内垂直伸缩与集群间水平伸缩相融合的弹性资源管理架构;为提高系统资源利用率,克服虚拟机方案的资源浪费问题,采用轻量级虚拟化容器,实现面向作业的细粒度资源分配;为保证系统动态资源调整的实时性,避免滞后效应,采用效益预估方法,实现资源预分配并兼顾负载均衡.理论分析与仿真实验表明,本方法能有效实现云平台资源弹性伸缩,减少作业等待时间,并显著提升系统资源利用率.     

一种基于超边际分析的分布式计算资源分配方法

针对分布式计算环境,提出一种基于超边际分析的资源分配方法,描述了基于比较优势的资源分配框架,建立了具有交易保护的IRDL模型以及自由交易的IRD模型,通过角点分析得到全局均衡,以达到系统效用最大化.与新古典经济学研究如何提高资源利用率不同,本文基于新兴古典经济学,通过分工理论降低资源稀缺程度,动态调整计算网络以达到整体...     

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.     

基于激励惩罚机制的虚拟资源竞拍与分配模型

针对传统虚拟机资源往往按照物理资源数量进行均值分配,没有考虑各虚拟机自身的负载情况,从而造成资源浪费这一问题,提出了基于惩罚机制的虚拟资源竞拍模型(VRAA).利用合作博弈的纳什均衡进行求解,并通过实验以CPU资源作为研究对象,对模型的稳定性和公平性进行了验证,通过对比发现采用竞拍博弈控制后的资源利用率和公平性指标明显提高,资源分配更接近系统的实际负载情况,减少了资源浪费.     

计算网格中经济模型的应用策略

基于经济模型的计算网格资源分配和任务调度, 将货物市场模型与拍卖模型进行比较. 通过对两种经济模型进行模拟, 分别在网格资源市场需求不足和需求过剩的条件下, 以资源价格的稳定性、 市场均衡、 资源利用率和作业执行效率为评价标准, 对两种经济模型的性能进行了评估. 结果表明, 货物市场模型比拍卖模型更适合计算网格环境, 并且能够产生更稳定的资源价格, 更容易达到市场均衡, 资源利用率和作业 的执行效率也更高.     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

虚拟环境下基于市场机制的资源分配方法

为了提高资源的利用率和更好地满足不同负载的QoS,提出一种基于市场机制的虚拟资源自适应分配策略:根据负载的特性,构建了体现其对所获资源的满意程度和符合自身经济利润的效用函数,利用资源代理不断调整价格的方式达到提高和合理化资源利用率,同时利用遗传算法最大化每个负载的效益.定义市场模型的均衡状态并证明了均衡状态的最优性.仿真实验验证了资源调价算法的有效性和可行性.