針對云計算下的負載均衡存在效率低的問題,本文首先在鯨魚算法的基礎(chǔ)上,通過種群初始化,淘汰和競爭機制提高算法的局部搜索能力,然后通過人工蜂群算法進行融合提高算法全局搜索能力,融合后算法用于云計算負載均衡中,在調(diào)度時間跨度,負載均衡度和任務(wù)平均等待時間方面都具有較好效果。 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 負載均衡簡述
2 改進的人工鯨魚算法
    2.1 基本人工鯨魚算法[11]
    2.2 改進的人工鯨魚算法
        2.2.1 種群初始化
        2.2.2 引入淘汰機制和競爭機制
3 人工蜂群算法
4 基于改進的鯨魚-人工蜂群算法資源負載調(diào)度
5 仿真實驗


【參考文獻】：
期刊論文
[1]一種云環(huán)境下的虛擬機負載均衡算法[J]. 江偉,劉漳輝,邱啟榮,黃啟成.  福州大學(xué)學(xué)報(自然科學(xué)版). 2018(04)
[2]云計算下的資源負載均衡性調(diào)度仿真[J]. 孟令璽,孟令威.  計算機仿真. 2018(04)
[3]云計算環(huán)境下多樣性資源負載均衡高效調(diào)度方法[J]. 吳軍英,辛銳,曹秀峰.  科技通報. 2017(12)
[4]云計算環(huán)境下資源負載均衡調(diào)度優(yōu)化仿真[J]. 李春暉,謝永斌.  計算機仿真. 2017(12)
[5]基于負載均衡的云計算資源分配算法[J]. 張繼榮,陳琛.  微電子學(xué)與計算機. 2017(09)
[6]基于Hopfield神經(jīng)網(wǎng)絡(luò)的云存儲負載均衡策略[J]. 李強,劉曉峰.  計算機應(yīng)用. 2017(08)
[7]多級優(yōu)化的云計算任務(wù)智能調(diào)度算法[J]. 王興柱,顏君彪,曾慶懷.  控制工程. 2017(05)
[8]關(guān)于云資源負載均衡的任務(wù)調(diào)度優(yōu)化管理[J]. 聶清彬.  計算機工程與設(shè)計. 2017(01)
[9]基于貓群優(yōu)化算法的云計算虛擬機資源負載均衡調(diào)度[J]. 匡珍春,謝仕義.  吉林大學(xué)學(xué)報(理學(xué)版). 2016(05)
[10]實時多任務(wù)異構(gòu)云計算平臺負載均衡算法[J]. 徐愛萍,吳笛,徐武平,陳軍.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2016(03)



本文編號：3661069