云计算负载均衡问题优化方法研究

发布时间：2021-10-10 17:34

　　为提升云计算的服务质量与资源调度能力,从负载均衡问题着手,提出了一种负载均衡策略。在标准人工蜂群的基础上,对种群初始化进行优化,并引入差分进化算法与丛林法则来优化蜂群个体,还在算法中引入"吸引点"思想来提升蜂群的搜索能力。通过仿真实现结果显示,提出的负载均衡策略具有很强的优越性,任务完工与请求响应时间短,负载均衡性能明显优于标准人工蜂群算法和遗传算法。 

【文章来源】：合肥师范学院学报. 2019,37(06)

【文章页数】：4 页

【部分图文】：

引入“吸引点”后的搜索方式

采用Cloud Sim对改进后的算法性能进行仿真实验,分别从完工时间、响应时间以及被迁移任务数量三个方面进行全面评估,并与标准蜂群算法和遗传算法进行对比。仿真实验结果如图2、图3所示。图3 三种算法人去请求响应时间对比

图2 三种算法任务完工时间对比从图2、图3中可以看到,引入了差分进化与丛林法则的蜂群算法在任务完工时间、请求响应时间明显短于标准的人工蜂群算法和遗传算法,这表明改进后的算法其性能更为优越。尤其是随着任务数量的增加,改进后的算法与其他两种算法之间的时间差越大,这进一步说明了改进后的蜂群算法具有良好的性能。通常来说,云系统所迁移的任务量就越少,表明负载越容易达到均衡状态。从图4中可以明显看到,采用改进后的蜂群算法所迁移的任务量明显要少于标准的人工蜂群算法,被迁移任务数量伴随着虚拟机数量的增加而呈现下降趋势。通过对比不难发现,改进后的人工蜂群算法均衡云计算负载的能力明显要高于标准蜂群算法。

【参考文献】：
期刊论文
[1]基于混沌猫群算法的云计算多目标任务调度[J]. 黄伟建,辛风俊,黄远.  微电子学与计算机. 2019(06)
[2]云计算中数据流存储负载均衡优化仿真[J]. 叶伦强.  计算机仿真. 2018(10)
[3]云计算环境下多样性资源负载均衡高效调度方法[J]. 吴军英,辛锐,曹秀峰.  科技通报. 2017(12)
[4]云计算下均衡负载的差异性资源调度算法优化[J]. 罗南超.  科学技术与工程. 2017(34)
[5]一种基于改进蚁群算法的多目标优化云计算任务调度策略[J]. 葛君伟,郭强,方义秋.  微电子学与计算机. 2017(11)
[6]云计算资源优化问题求解的萤火虫算法[J]. 任长安,赵巾帼,罗庆云.  吉林大学学报(理学版). 2017(05)
[7]基于负载均衡的云计算资源分配算法[J]. 张继荣,陈琛.  微电子学与计算机. 2017(09)
[8]基于蜂群算法的多维QoS云计算任务调度[J]. 颜丽燕,张桂珠.  计算机工程与科学. 2016(04)
[9]基于离散人工蜂群算法的云任务调度优化[J]. 倪志伟,李蓉蓉,方清华,庞闪闪.  计算机应用. 2016(01)
[10]基于蜜蜂采蜜机理的云计算负载均衡策略[J]. 孙兰芳,张曦煌.  计算机应用研究. 2016(04)



本文编号：3428837