云計算環(huán)境下負載均衡策略的研究.pdf

1、隨著信息技術的不斷發(fā)展，云計算已經成為當前廣泛應用的計算模式和學術界研究的熱點。在云計算快速發(fā)展的同時，其規(guī)模不斷擴大，所要處理的用戶任務量也越大，因而怎樣高效利用系統(tǒng)資源、提高整體性能，并保證用戶服務等級協議，已經是云計算領域需要解決的重要問題之一。有效的負載均衡策略則是解決這個問題的一種重要措施。
　　本文針對云計算環(huán)境下負載均衡問題進行了深入的研究。
　　1.基于負載評價對負載均衡算法的重要性，提出使用群決策層次分析法

2、對服務節(jié)點的負載狀態(tài)進行評價。這其中，采用計算多人獨立構造的判斷矩陣對應元素的幾何平均法，構造出群決策判斷矩陣，從而降低人為構造判斷矩陣所產生的主觀性和片面性，使服務節(jié)點的負載評價更加客觀準確。
　　2.提出采用HHGA-RBF神經網絡針對負載進行預測的方法，建立負載預測模型。在訓練RBF神經網絡方面，使用混合遞階遺傳算法，即遞階遺傳算法和遞推最小二乘法，利用遞階遺傳算法確定RBF神經網絡的結構、隱藏層節(jié)點的中心和寬度，使用遞推最

3、小二乘法對隱藏層和輸出層之間的連接權值進行構造，使得RBF神經網絡收斂更快、效率更高、預測精度高，從而有效預測節(jié)點負載情況。實驗結果表明，基于HHGA-RBF神經網絡的負載預測值近似于負載評價值，平均相對誤差值＜0.01，比BP神經網絡的負載預測效果更好。
　　3.在基于節(jié)點負載預測的基礎上，結合加權輪詢算法，提出一種新的動態(tài)負載均衡算法—DPWRR。該算法利用針對節(jié)點周期性的負載預測值計算出節(jié)點所對應的權值并不斷更新，進而保留靜