导读:本文包含了负载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）
李飞,彭宇楠,苏亚松[2]（2019）在《基于改进蜂群算法的虚拟云资源调度负载优化策略研究》一文中研究指出针对云资源调度过程中面临的执行时间长、相关资源利用率低等问题,本文从改进框架调度策略、优化调度算法的角度,提出云资源调度负载优化策略。利用Kubernetes框架平台优势改进蜂群算法,提高任务执行时云资源调度的利用率。提出基于蜂群算法的资源优化策略,构建资源功耗模型和目标优化函数,结合对比算法验证本文所提出的优化改进算法在资源占用率上具有明显的优势,并且资源损耗更低,稳定性更好。本文为相关学者在利用Kubernetes进行云资源调度和优化领域的研究提供一定参考。(本文来源于《计算机产品与流通》期刊2019年11期）
曾四鸣,程慧,程超,李建芬[3]（2019）在《基于改进的模糊C均值算法电力负载预测研究》一文中研究指出为了提高电力负荷预测的精度,将天气、日期因素纳入到了计算的范畴中来,使用基于模糊聚类的对相似日进行选取,得出该日的短期电力负荷预测模型。本文算法将天气、日期因素建立起模糊系数特性映射表,实现了对应影响因素的量化处理,便于算法的实现。然后,使用模糊聚类算法对相关的数据进行分类,因为使用了相似日,因此,样本的数量得以大大减少,提高了算法的速度和准确度。本文的是力负荷模型将天气、日期考虑进了电力负荷预测影响的因素中去,减少了算法在预测上的随机性。仿真实验结果证明了该算法拥有更高的预测精度。(本文来源于《科技通报》期刊2019年10期）
杨俊华,邹子君,杨金明,王子为[4]（2019）在《基于人群搜索算法的波浪发电系统最优负载》一文中研究指出为寻求以提高波浪发电系统的平均输出功率为目标的系统最优负载,针对遗传算法、粒子群算法等优化算法存在早熟收敛和全局搜索能力不足的问题引入人群搜索算法。该算法通过建立目标函数值与步长的关系式,根据个体当前位置的适应度值计算下一步搜索步长;采用利己、利他和预动3个方向随机加权几何平均方案,确定个体搜索方向,提高个体全局搜寻能力,使算法避免陷入局部最优解并可得到全局最优解。仿真结果表明,与传统粒子群优化算法相比,所提算法收敛速度快,可增加波浪发电系统的平均输出功率。(本文来源于《太阳能学报》期刊2019年10期）
刘洪鹏,唐国强[5]（2019）在《CAN总线负载率算法及优化设计》一文中研究指出介绍CAN总线通讯中数据帧的主要组成,重点论述数据扩展帧类型的负载率的计算原理及方法,提供有关负载率的参考标准以及其优化设计。(本文来源于《客车技术与研究》期刊2019年05期）
牛俊峰[6]（2019）在《基于SPDA的电脉冲除冰供电负载控制算法研究》一文中研究指出为了减小采用基于SPDA的飞机电脉冲除冰供电对变频交流配电网电源品质的影响,针对电脉冲除冰负载控制问题,提出了BP神经网络PID控制算法。该算法充分利用神经网络的自学习能力和逼近函数的能力及PID控制的鲁棒性,有效地提升了电脉冲除冰负载控制能力。使用仿真软件分析初步验证了该控制方法的有效性,并基于实验平台模拟飞机变频发电机(VFG)对发动机短舱进行除冰供电。实验结果显示,提出的基于BP神经网络PID控制方法是有效的。(本文来源于《电子器件》期刊2019年05期）
李菁[7]（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[8]（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[9]（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）
陆娇娇[10]（2019）在《基于蝙蝠算法优化SVM的云计算资源负载预测的研究》一文中研究指出针对云计算中的资源负载预测的问题,将优化后的蝙蝠算法结合SVM进行预测,首先对蝙蝠算法采用反向学习策略进行种群初始化,其次借助粒子群算法中的权重因子进行个体优化,最后采用高斯变异方法对个体进行选择。将SVM中的两个重要的参数使用改进后的算法进行优化。在仿真实验中,通过与粒子群算法优化SVM,遗传算法优化SVM进行对比,取得了比较好的预测效果。(本文来源于《科技通报》期刊2019年09期）
负载算法论文开题报告
（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：
针对云资源调度过程中面临的执行时间长、相关资源利用率低等问题,本文从改进框架调度策略、优化调度算法的角度,提出云资源调度负载优化策略。利用Kubernetes框架平台优势改进蜂群算法,提高任务执行时云资源调度的利用率。提出基于蜂群算法的资源优化策略,构建资源功耗模型和目标优化函数,结合对比算法验证本文所提出的优化改进算法在资源占用率上具有明显的优势,并且资源损耗更低,稳定性更好。本文为相关学者在利用Kubernetes进行云资源调度和优化领域的研究提供一定参考。
（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].李飞,彭宇楠,苏亚松.基于改进蜂群算法的虚拟云资源调度负载优化策略研究[J].计算机产品与流通.2019
[3].曾四鸣,程慧,程超,李建芬.基于改进的模糊C均值算法电力负载预测研究[J].科技通报.2019
[4].杨俊华,邹子君,杨金明,王子为.基于人群搜索算法的波浪发电系统最优负载[J].太阳能学报.2019
[5].刘洪鹏,唐国强.CAN总线负载率算法及优化设计[J].客车技术与研究.2019
[6].牛俊峰.基于SPDA的电脉冲除冰供电负载控制算法研究[J].电子器件.2019
[7].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
[8].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
[9].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
[10].陆娇娇.基于蝙蝠算法优化SVM的云计算资源负载预测的研究[J].科技通报.2019