导读:本文包含了负载均衡算法论文开题报告文献综述及选题提纲参考文献，主要关键词:云计算,负载均衡,遗传算法,珊瑚礁优化算法
负载均衡算法论文文献综述
袁赫潞,温长吉,吴建双,朱允刚,于合龙[1]（2019）在《基于遗传珊瑚礁优化算法的负载均衡问题》一文中研究指出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.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
李菁[2]（2019）在《改进快速稀疏算法的云计算资源负载均衡》一文中研究指出当前云计算资源负载均衡方法存在资源负载极不均衡、资源浪费严重等缺陷,为了提高云计算资源利用率,保证云计算资源负载均衡,提出基于改进快速稀疏算法的云计算资源负载均衡方法。首先对当前云计算资源负载均衡研究现状进行分析,找到引起云计算资源负载不均衡的原因,然后利用快速稀疏算法对云计算任务进行预处理,建立云计算资源负载均衡问题的数学模型,最后采用自适应遗传算法对云计算资源负载均衡问题的数学模型进行求解。与其它方法一起进行了云计算资源负载均衡仿真实验,结果表明,提出的方法可以更好地保证云计算资源负载均衡,防止"过负载"现象产生,提高云计算资源利用率,具有更高的实际应用价值。(本文来源于《微型电脑应用》期刊2019年10期）
李雨泰,李伟良,尚智婕,王洋,董希杰[3]（2019）在《基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测》一文中研究指出针对传统的云计算资源负载预测算法存在精度低和误差大的缺点,将云自适应粒子群算法应用于随机森林回归参数的选择,提出一种基于CAPSO-RFR的云计算资源均衡负载预测算法。研究结果表明,CAPSO-RFR可以有效提高云计算资源负载预测的精度,为云计算资源的规划、调度以及云计算平台的性能优化提供决策依据。(本文来源于《微型电脑应用》期刊2019年10期）
文婷婷,李洪赭[4]（2019）在《面向云服务平台的弹性负载均衡算法》一文中研究指出云计算主要通过虚拟化技术并以虚拟机的形式为用户的各种应用提供资源管理和隔离,但虚拟机的超负荷运行会降低这些应用的性能,因此需要通过虚拟机迁移来进行负载均衡以防止服务器过载。然而,以往的负载均衡方案都是基于确定性的资源需求估计和工作负载特征来进行迁移决策,而没有考虑资源需求的突发性。本文通过对虚拟机资源需求跟踪观测,充分考虑其工作负载的动态性和突发性,提出一种弹性负载均衡的算法。该算法有效地解决了资源需求估计不准确和随机性特征资源需求预测的问题,为具有弹性需求特征的负载均衡问题提供了新的解决方案。最后将本文算法与相关算法对比,表明本文算法取得了较好的效果。(本文来源于《计算机与现代化》期刊2019年10期）
闫梦秋,冷迪,刘威[5]（2019）在《基于物元分析的智能电网异构无线网络负载均衡算法研究》一文中研究指出基于物元分析,探讨智能电网异构无线网络负载均衡算法,并对应分析了电力机房部署的相关问题,以期提供参考。(本文来源于《通信电源技术》期刊2019年09期）
陈建兵,梁立,叶志霞[6]（2019）在《生成有限拓扑的负载均衡算法》一文中研究指出有限拓扑的数量随规模增大而急剧增长,生成有限拓扑通常采用并行算法,并行计算的负载均衡决定了算法的时间性能.目前,生成有限拓扑的递推算法是最有效的,n元集合的拓扑由n-1元集合的拓扑生成,生成过程由n-1元集合的拓扑长度和拓扑元数决定了计算的时间复杂度.把拓扑长度和拓扑元数大小相近的拓扑放在一起并行计算解决了算法的负载均衡问题.实验表明,负载均衡的加速比有很大提高.(本文来源于《云南师范大学学报(自然科学版)》期刊2019年05期）
刘梓璇,周建涛[7]（2019）在《负载均衡的主导资源公平分配算法》一文中研究指出随着使用云计算并行且可靠地处理计算问题成为一种趋势,各种云计算平台应运而生,在这些平台中,保证多种资源调度策略的公平性非常重要。主导资源公平分配算法DRF有效地实现了多种资源环境中的公平分配,但在资源分配过程中容易出现集群负载不均的情况。因此,提出在使用DRF算法分配资源过程中,通过集群中各节点的资源利用率情况对节点进行K-means聚类分析,根据聚类结果将资源分配给任务来提高集群负载均衡的能力。基于CloudSim 4.0实现了改进DRF算法的仿真实验,实验结果表明,负载均衡的DRF算法比原始的DRF算法以及基于层次分析法(AHP)改进的DRF算法更能有效地改善集群整体的负载均衡。(本文来源于《计算机工程与科学》期刊2019年09期）
耿强,黄雪琴[8]（2019）在《云计算下的一种自适应负载均衡算法的研究》一文中研究指出针对云计算下的负载均衡存在效率低的问题,本文首先在鲸鱼算法的基础上,通过种群初始化,淘汰和竞争机制提高算法的局部搜索能力,然后通过人工蜂群算法进行融合提高算法全局搜索能力,融合后算法用于云计算负载均衡中,在调度时间跨度,负载均衡度和任务平均等待时间方面都具有较好效果。(本文来源于《科技通报》期刊2019年08期）
曾金晶,张建山,林兵,张文德[9]（2019）在《基于无线城域网的微云负载均衡算法》一文中研究指出随着无线通信技术的发展,越来越多的商业、娱乐和社交活动建立在便携式移动设备之上。便携式移动设备的尺寸限制了它的计算能力,计算能力的不足与应用程序的高计算需求相矛盾。边缘计算使得计算任务在数据源头附近就能得到及时处理,是减小系统延迟的有效方法。微云技术是边缘计算的重要应用,部署微云是解决上述矛盾的有效方法。多个微云连接在一起形成网络,终端用户可以通过无线城域网(Wireless Metropolitan Area Networks,WMAN)来获得微云服务。如何将任务卸载并调度到合理的微云中,减少系统延迟,是目前面临的重大挑战。文中研究了如何平衡网络中多个微云之间的工作负载,以优化移动应用程序的性能表现。首先,引入一个系统模型来获取卸载任务的响应时间,并制定一个在微云之间寻找卸载任务调度的最佳方案,以最小化微云上任务的平均响应时间。其次,提出了一种快速且可扩展的启发式算法来缩短用户任务的响应时间。最后,通过仿真实验来评估所提算法的性能特征。实验结果表明,该算法在缩短用户任务响应时间方面有着积极作用。(本文来源于《计算机科学》期刊2019年08期）
何东泽,杨桂芹[10]（2019）在《基于SDN的数据中心多路径负载均衡算法》一文中研究指出为避免两点间某条链路失效而导致的网络拥塞问题,数据中心网络常采用具有多路径特性的胖树拓扑结构,传统路由算法通常只为收发端选择一条路径作为最终路径,没有考虑胖树拓扑的特性,容易造成数据中心网络中链路资源的巨大浪费.基于此,提出一种基于SDN的数据中心多路径负载均衡算法.该算法首先要获取数据中心的全局网络拓扑、链路带宽和时延信息;然后通过寻路算法计算出可用的转发路径;再根据获取的链路带宽及时延信息对可用转发路径进行链路权重评估;最后确定出最佳转发路径.仿真实验结果表明,多路径负载均衡算法在减少平均时延和丢包率方面均优于传统路由算法,能够实现有效的多路径负载均衡.(本文来源于《兰州交通大学学报》期刊2019年04期）
负载均衡算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当前云计算资源负载均衡方法存在资源负载极不均衡、资源浪费严重等缺陷,为了提高云计算资源利用率,保证云计算资源负载均衡,提出基于改进快速稀疏算法的云计算资源负载均衡方法。首先对当前云计算资源负载均衡研究现状进行分析,找到引起云计算资源负载不均衡的原因,然后利用快速稀疏算法对云计算任务进行预处理,建立云计算资源负载均衡问题的数学模型,最后采用自适应遗传算法对云计算资源负载均衡问题的数学模型进行求解。与其它方法一起进行了云计算资源负载均衡仿真实验,结果表明,提出的方法可以更好地保证云计算资源负载均衡,防止"过负载"现象产生,提高云计算资源利用率,具有更高的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
负载均衡算法论文参考文献
[1].袁赫潞,温长吉,吴建双,朱允刚,于合龙.基于遗传珊瑚礁优化算法的负载均衡问题[J].吉林大学学报(理学版).2019
[2].李菁.改进快速稀疏算法的云计算资源负载均衡[J].微型电脑应用.2019
[3].李雨泰,李伟良,尚智婕,王洋,董希杰.基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测[J].微型电脑应用.2019
[4].文婷婷,李洪赭.面向云服务平台的弹性负载均衡算法[J].计算机与现代化.2019
[5].闫梦秋,冷迪,刘威.基于物元分析的智能电网异构无线网络负载均衡算法研究[J].通信电源技术.2019
[6].陈建兵,梁立,叶志霞.生成有限拓扑的负载均衡算法[J].云南师范大学学报(自然科学版).2019
[7].刘梓璇,周建涛.负载均衡的主导资源公平分配算法[J].计算机工程与科学.2019
[8].耿强,黄雪琴.云计算下的一种自适应负载均衡算法的研究[J].科技通报.2019
[9].曾金晶,张建山,林兵,张文德.基于无线城域网的微云负载均衡算法[J].计算机科学.2019
[10].何东泽,杨桂芹.基于SDN的数据中心多路径负载均衡算法[J].兰州交通大学学报.2019