基于效用函数的异构网络负载均衡算法

提出了一种基于效用函数的异构网络负载均衡算法.该算法通过网络参数的定时测量,得到各性能指标的效用函数,经过归一化和权重处理,选取重负载和轻负载的小区,并选取资源利用效率低的业务终端,通过终端的转移实现负载均衡.仿真分析表明,该算法能够有效提高网络吞吐量,降低网络阻塞率,并减少网络时延.     

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.     

动态结构化P2P网络的负载均衡方案

DHT结构化P2P网络中,节点上存放对象个数的差异性、节点处理能力的异构性以及P2P网络的动态性,使P2P网络出现负载不均衡问题.为此,文中在超立方DHT覆盖网络上构建了基于二叉树的层次化负载均衡模型,用于收集节点的负载和容量信息、生成负载均衡策略和执行负载转移操作.通过应用均衡域的操作模式,P2P网络的负载均衡任务可...     

基于Bloom filter引擎的分布式网络取证系统

针对目前网络取证的特点和技术挑战,提出和设计了一种基于Bloom filter引擎的分布式网络取证系统.该系统以Bloom filter引擎为核心,能够实时的对网络原始数据进行过滤,映射压缩和存储,捕获完整的证据,节省存储空间,有效支持网络取证的事后分析查询.     

面向工作站群机系统的网络负载预测

本文旨在提高工作站群机系统并行计算的效率，在网络负载的实测法基础上，提出一种预测方法－用返向神经网络来预测网络负载，实验表明，该方法具有预测精度高，时间少，适应性强等特点。     

移动Ad hoc网络的一种负载均衡策略

提出了一种针对移动Ad hoc网络的负载均衡策略LBS（load balancing strategy）,该策略考虑了通信节点之间的多条路径、节点的媒介使用和负载情况以及路由的选取方法等因素.理论分析和实验仿真的结果都表明,LBS能够有效地均衡移动Ad hoc网络中的流量,提高整个网络的性能.     

未知网络中可分负载的分布式调度

针对未知网络参数的异构网络系统,提出了一个基于探测技术的多阶段负载调度策略.该策略首先将整个负载分成一些子负载,每个阶段将一个子负载分配给各个处理器.在不知道网络性能参数或网络性能随时间动态变化的情况下,从子负载中分出一小部分负载作为探测片段来探测网络的当前性能参数,作为调度的基础.实验结果表明,该算法的优越性明显.在同样的调度时间复杂度下,其调度结果较已有算法最好时可以缩短调度时间超过20%,平均缩短调度时间约15%.     

Ad Hoc网络多路径负载均衡协议性能研究

Ad Hoc网络是一种由移动终端组成的多跳的实时性自治系统.提出了Ad Hoc网络的带有负载均衡机制的路由协议,根据路径平均可用负载比的概念提出了负载均衡的判断标准,并基于DSR协议提出了本文的负载均衡路由协议.实验结果表明,协议能够均衡网络节点的负载,并提高Ad Hoc网络的性能.     

基于VRRP的网络负载均衡研究

本文提出了基于TVRRP的网络负载均衡技术,VRRP允许两台路由器相互备份,相互冗余,通过虚拟路由器的设置在一络层实现负载均衡,解决网络瓶颈问题。该技术实现方法简单,且能方便地实现各厂家设备间的互通。同时,在不增加网络设备的基础上,使网络故障发生时用户的损失降至最低,特别适合于无力购置昂贵负载均衡设备的中小型企业及学校等机构的使用。     

支持负载均衡和路由优化的网络移动增强协议

分析网络移动现有方案在多穴负载均衡和嵌套路由优化方面存在的问题.基于最优路径选择算法和相应的路径评价标准,提出了支持综合负载均衡和路由优化的网络移动增强协议.该协议实现多移动网络前缀、多移动路由器、多家乡代理的负载均衡以及嵌套多穴移动网络全局和内部路由优化,解决嵌套移动网络的多角路由、隧道嵌套问题.此外,该协议兼容以前的网络移动标准,改动较少.协议的性能分析结果表明,和已有的方案相比,增强协议在帮助移动网络获得高吞吐量的同时,传输延时降低了近一半,可用连接增加了30%,而且性能更加稳定.     

县城配电网改造和规划方案分析

配电网改造和规划的主要任务是：在满足对用户供电质量和保证各种运行条件的前提下,制定可行的电网规划方案.配电网改造和规划主要内容包括电网现状分析、电力负荷预测、网架规划、配电自动化规划等.县城配电网改造和规划是通过对县城现状电网进行分析,采用总量和空间负荷预测方法预测县城近期和远期负荷,结合负荷预测结果进行变电站选址及容量确定,并提出变电站的中压线路改造和规划方案,在此基础上进行电气计算分析及工程量汇总,并对改造和规划方案进行了投资估算和经济效益分析.     

基于ART-CC的电力负荷数据预处理

电力负荷观测值由于受到各种因素的影响,正常的负荷数据中夹杂着许多脏数据,严重影响负荷预测的精度.对此提出了由自适应共振网络(ART网络)和超圆神经元网络(CC网络)组合而成的神经网络模型,并应用该模型清洗陕西省某地区的负荷数据,结果表明该模型能较好的完成脏数据的辨识任务,对负荷数据修正后能明显提高负荷预测精度.     

基于软件定义网络的 WLAN 架构及负载均衡切换

软件定义网络将控制平面与数据转发平面进行分离,并提供开放的编程接口,实现网络的可编程化控制,极大地提高了网络管理的灵活性。在传统无线局域网中,终端通常依据信号强度选择接入点,这一机制往往会造成网络资源利用率低及接入点负载不均衡的问题。提出基于软件定义网络技术的无线局域网架构及一种负载均衡切换策略,利用控制器的全局视角与集中管控能力实现对接入点的实时监测,分析其状态信息并计算权值,由控制器根据负载情况向接入点下发流表,完成对网络的管理。硬件和计算机仿真平台实验表明,与传统的无线局域网架构相比,该方案有效提高了网络的资源利用率,平衡了接入点的负载,降低了数据在终端切换过程中的传输时延,提高了网络的性能。     

高速网络入侵检测系统负载均衡策略与算法分析

为了解决高速网络入侵检测系统(n IDS)的性能瓶颈问题,提出了可用于n IDS的负载均衡策略和算法。在阐述基于多引擎并行处理的n IDS框架的基础上,提出和分析了3种实用的n IDS负载均衡策略,重点论述了一种基于流的动态负载均衡算法——FDLB算法。该算法依据通过动态反馈和预测机制得到的当前引擎负载情况,以一个会话为分配单位,将新的网络数据包分发给当前负载最小的引擎。实验结果表明,在大流量多引擎情况下,FDLB算法的负载均衡效果要比轮转算法好得多。     

基于改进Elman网络的燃气负荷预测

为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测.与传统的Elman网络比较,OIF Elman网络不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本点较少时,无论在训练速度上,还是在预测精度上,OIF Elman网络明显优于Elman网络.OIF Elman网络提高了网络的泛化能力,既降低了对训练样本个数的需求,又能提高预测精度,在燃气负荷预测中得到成功的应用.     

基于多因素影响的负荷预测神经网络方法

电网的负荷是一个受多种因素影响的量。负荷预测的准确性对电网的安全、经济运行有着重要的影响。把各个影响因素与负荷之间建立解析表达式是非常困难的。本文考虑多种影响因素,用神经网络的方法对农网进行负荷预测,具有方法简便、预测精度高,速度快的特点。     

基于小波神经网络的燃气系统短期负荷预测

在燃气负荷预测中,由于日负荷的不稳定,仅以历史负荷为训练样本得到的人工神经网络难以满足日预测的精度要求。提出一种小波分析与BP神经网络相结合的预测方法。首先,将历史负荷序列进行小波分解成概貌序列和细节序列,并在此基础上利用概貌序列、细节序列,以及指数平滑和温度等多种因素训练BP神经网络,预测出未来燃气的日负荷。最后,对...     

用数学法研究总线网性能

网络中的数据流是不确定的，数据包的到达时间、长度和处理时间都是随机变量。通过数学方法研究总线网的性能就是在一定的假设基础上，计算出总线网的参数之间的数学关系，比如吞吐量与负载之间的关系、延迟随负载的变化情况等，其分析结果可以为计算机模拟提供理论支持。对于网络设计具有重要作用。     

基于网络分组的切换判决算法

针对大量终端并发切换引起的网络负载不均和网络相似性利用不足的问题,提出一种基于网络分组的切换判决算法。将采集和初始化后的网络参数输入至网络分组模型,利用网络性能的相似性得到网络组;根据终端的偏好类型,基于烟花算法选择目标网络组;求解终端的可接入网络集和目标网络组的交集,得到其候选网络集,从中选择性能因子最大的网络作为目标网络执行切换,动态更新网络组。仿真结果表明,该算法能够在均衡网络负载的前提下,降低切换阻塞率,提高系统吞吐量,提升终端的服务质量。     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。