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.     

一种基于多Agent的动态负载平衡算法应用研究

在介绍动态负载平衡算法基本原理的基础上，提出了一种基于多Agent的负载平衡算法DMAL，定义了节点机可能的4种状态，并讨论了DMAL算法的实现规则；描述了基于DMAL算法的任务调度模型；讨论了DMAL算法中任务的分类问题、任务的迁移粒度问题、负载迁移的触发时机问题；为了增强在负载平衡时处理节点间的通信能力，引入了多Agent技术，并为异构分布式处理系统提出了一种基于DMAL算法的负载平衡框架结构；最后通过实验仿真，比较了DMAL算法、现有的负载平衡算法以及不作负载平衡的运行结果．实验结果表明，基于DMAL算法的分布式处理系统工作在不同负载和应用问题数据规模的情况下，在任务的处理时间、丢弃率和平均响应比方面都显示出良好的性能，从而验证了该算法方案的可行性和有效性．     

考虑系统特征的异构计算负载平衡

异构系统上调度的目标是平衡计算负载，以获得最短的并行计算时间，提出了一个最大异构调度算法，充分考虑了系统对于程序的处理特征及系统的结构和状态，试图在合理的前提下充分利用所有的处理器资源。实验中，在不同的负荷状态下测定了各原语对应于各种调度方案的执行时间。结果表明，该算法在缩短程序响应时间方面取得了很好的效果。     

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.     

一种基于移动代理的P2P负载平衡方法

在研究现有的结构化P2P网络负载平衡方法的基础上,提出一种在结构化对等网络中,应用移动代理技术实现负载平衡的方法,从而实现负载平衡的灵活性和全面性,仿真实验结果表明本文提出的算法具有良好的性能．     

基于工作站群负载平衡若干问题的研究

近十年来，计算模式已由主板迅速地转成了群机网络，而且通常以工程工作站群为典型．这样的网络具有着更优良的性能、更强的可靠性和基于主板系统的更大的可扩展性．这种网络的总体计算能力是十分惊人的，然而，为发挥这种功能的潜力，一个良好的负载分配策略是很必要的．本文对负载平衡过程中的几个关键因素加以分析，给出结论并指出主要应在哪方面进行进一步的研究．     

基于效用函数动态多用户调度的协作用户分类

为解决基于固定信干噪比(SINR： Signal to Interference plus Noise Ratio)门限值的协作用户划分策略的不足, 在综合考虑系统平均速率和边缘用户最小平均速率基础上, 定义了协作距离。提出了基于效用函数的协作用户划分动态分簇联合多用户调度算法, 并采用蒙特卡洛方法进行了仿真。仿真结果表明, 改进的基于效用函数的协作用户划分算法能在系统整体性能和边缘用户性能上取得较好的平衡, 系统整体性能得到提升。在相同信噪比条件下, 系统平均频谱效率提升0.1~ 0.2 bit/(s·Hz)。     

基于流量监控的负载平衡策略

网络流量的负载均衡问题是近来迫切需要解决和完善的问题.通过在SNMP模式作为网络流量采集技术的网络流量监控系统进行流量监控,基于m的一些特有的优势与属性引入了移动代理的技术,根据对主机的实时监控,来进行计算机负载合理分配的策略研究,从而为消除网络瓶颈,提高系统的资源利用提供一种新的思路.     

基于效用函数的投资组合

本文旨在解决当证券市场不允许卖空时,“均值-CVaR”模型的求解问题。若风险资产收益率服从正态分布,则在效用最大化原则下的“均值-方差”模型的两种解法是一致的。并且可以证明“均值-CVaR”模型的有效前沿是“均值 方差”模型有效前沿的一部分。从而用“均值-方差”模型的有效前沿表示出“均值-CVaR”模型的有效前沿,使其直接可以用计算机来求解。并且因为效用函数的引入,因此可以求得满足不同风险偏好投资者的资产配置。     

一种基于预测的负载平衡策略

提出了一种基于预测的动态负载平衡算法，算法以本地负载信息为基础预测结点到达空闲状态的时间，并且在此之前发出任务请求，从而保证系统中各结点都处于忙碌状态，以提高系统资源的利用率与系统整体性能。由于算法在实施负载平衡时不需要在各进程之间进行同步操作，而且各结点自主决定负载平衡参数，对系统中其他结点的信息要求少，因此负载平衡的开销较小。实验证明，该算法对于科学计算类问题具有较好的效果。     

具有负载平衡动态路由选择的排队网络的稳定性研究

研究了具有负载平衡动态路由选择的排队网络的稳定性问题．首先在描述排队网络动态行为的关系式组的基础上,利用强大数定律得到了一个与流体模型关系式组和流体极限的定义相关的引理．其次对该关系式组进行流体极限处理后得到了流体模型关系式组,并给出了证明．在该网络稳定和不稳定分别与其对应的流体模型稳定和弱不稳定之间的关系的前提条件下,把排队网络的稳定性问题简化为与该网络对应的流体模型的稳定性问题．最后在一个齐次假设条件下得到了网络稳定的充要条件以及排队网络不稳定的充分条件．     

基于局域网的并行计算负载平衡

负载平衡是并行计算中的一个重要问题．利用局域网实现并行计算是一种便于实现的廉价方式．首先分析了局域网中特有的“不确定”因素以及待计算问题本身的特点，提出了一种适合在局域网上实现和扩展的3层模型，并针对负载平衡问题给出了“分段双向计算”算法．     

无线传感器网络中基于负载平衡的多路路由

针对传感器节点能量受限的特点，提出了一种无线传感器网络中基于负载平衡的多路路由（load balancing multi-path routing,LBMPR）协议．LBMPR依赖传感器节点的地理位置生成从源节点到sink节点的多条路径，数据通信均匀分布于不同路径上，从而达到节点间的负载平衡，延长了网络的寿命．仿真实验表明，若选择适当的参数a和b，较之mesh-2和mesh-3，LBMPR能获得更好的负载平衡性能．     

基于Multi-agent的分布式系统负载平衡

为实现分布式系统的动态负载平衡,基于Multi—agent提出了一种新的分布式系统动态负载平衡算法．该算法采用接收者启动的策略,根据各主机的负载状态,在系统运行过程中利用移动Agent动态迁移任务．文中研究了主机负载状态,提出了负载状态指标：(LC,LM),该指标反映了分布式测控系统中各主机的异构性特点．文中还详细介绍了Agent的功能、结构及通信,并且通过实例对Agent通信及如何创建移动Agent进行了说明．将所提算法应用于分布式测控系统,结果表明,该算法能有效地减少网络传输、节省时间、提高系统效率和实现动态负载均衡．     

一种新型的基于效用函数的LTE-A系统预编码资源调度算法

为了消除共信道干扰(CCI),研究了LTE-A系统基于码本的预编码算法,与用户调度算法相结合,提出了一种基于效用函数的调度算法。该算法计算系统内所有用户的时延和速率效用函数,并判定用户的优先级,长时延或低速率的用户将被优先调度。仿真结果表明,基于效用函数的调度算法,在保证用户吞吐率的前提下,与最大吞吐率调度算法相比,兼顾了时间公平性;与比例公平调度算法相比,有更小的时间和空间复杂度,更适用于小区用户拥挤的场景。     

基于RMI的集中式并行动态负载平衡算法

介绍了并行算法中常用的动态负载平衡技术,并分析了RMI的工作原理,提出了一种基于RMI的集中式并行动态负载平衡算法.该算法最大的特点是不需要保存结点的负载信息,可有效地减少各节点之间通信和同步所需的时间,同时结合了RMI的运行机制和JAVA的线程机制,由子结点根据自己的负载情况动态地推动任务的划分和分配,可以在多结点的并行搜索计算中获得较高的加速比和效率.通过在33个结点的并行机上的试验,证明了该算法的可行性和有效性     

分布式系统中动态负载平衡的研究

动态负载平衡是大规模并行计算中一个重要的研究领域。研究了在网络分布式系统中基本的负载平衡策略,陈述了各种负载平衡策略的特点,并在此基础上提出了一种加权轮询的、动态反馈的负载平衡机制,并给出了其调度算法。     

具有指数效用函数的组合投资研究

对投资方案的选择上以效用最大化为前提 ,假设投资者具有指数效用函数 ,讨论了在允许卖空和不允许卖空两种情况下 ,最优组合投资方案的选择问题 .通过具体的算例演示了选择过程 ,同时比较分析了两种结果 .     

基于服务网格的动态负载平衡调度算法研究

为了提高资源利用率和系统的吞吐率,需要实现服务网格系统内负载的均衡分布.提出了层次式动态负载平衡调度模式,详细介绍了负载平衡系统的系统结构.作业分配是负载平衡系统中的核心机制.设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前负载情况的动态双阀值作业分配算法.试验数据表明,该作业分配算法较传统调度算法综合性能有较大提高.在作业数较多时,该作业分配算法性能更好.     

交通流预测网格自适应负载平衡研究

交通流预测从理论研究到投入实际应用,需要满足大规模路网交通流预测对计算资源的需求,同时能以较低的代价使用这些资源,网格技术提供了这种可能性。但是网格是一个动态共享的环境,负载失衡会使得交通流预测的实时性无法得到保障。由于路网交通流预测任务是由一组不断被执行的相互独立任务组成的。提出了一种结合网格节点动态负载信息与任务执行时间反馈的自适应网格负载平衡算法,根据系统负载变化来分配任务到各个主机,同时根据各个节点上任务执行时间的差距来调节各个节点的负载。并且在此算法的基础上构建了大规模路网的交通流预测网格系统,验证了算法在实际运用中的可行性。