基于集群的Web服务器负载均衡算法研究

集群技术为Web服务带来了新的解决方案。针对传统负载均衡算法的一些不足,提出了一种临界区加速递减权值的动态请求负载均衡算法,通过负载权值的等效变换来简化算法,最大限度满足系统最大吞吐率,减少系统响应时间。测试表明,算法达到了较好的负载均衡效果,明显优于传统算法。     

基于量子粒子群优化算法的云计算负载均衡分析

针对当前云计算负载均衡方法存在的节点过负载或者长期空闲等难题,以改善云计算负载均衡效果,设计了基于量子粒子群优化算法的云计算负载均衡方法.建立了云计算负载均衡数学模型,引入量子粒子群优化算法对云计算负载均衡数学模型的最优解进行搜索,找到最优的云计算负载均衡方案,在相同环境下与经典云计算负载均衡方法进行仿真对比实验.结果...     

基于文化粒子群算法的快速图像增强方法

为了提高线性规划图像增强算法的运行效率,提出一种基于文化粒子群算法的快速优化直方图均衡增强新方法。将文化算法融入粒子群算法框架以得到文化粒子群算法,并将其应用于线性规划图像增强方法,以获得新的优化适应度函数。针对线性规划图像均衡化增强后的图像,利用伽玛校正方法来改善其视觉效果。对图像增强的效率和效果的理论分析及相关实验结果表明,所提方法可行,且相对于传统直方图均衡法在图像增强效果方面有一定程度的改善,能满足人眼视觉感知的需要。     

一种基于语义的负载均衡调度算法

针对目前越来越严重的网络访问瓶颈，运用现有的集群技术，提出一种基于语义的负载分担算法，并给出了其Java实现，用于实现集群系统的动态负载均衡．     

利用Linux虚拟服务器实现大容量邮件系统的负载均衡

电子邮件是网络服务中的最主要的内容之一。随着Internet应用的普及和用户不断的增加 ,传统的集中式邮件系统已经不能满足大容量的需求。本文阐述了基于第四层交换的原理 ,应用Linux虚拟服务器来实现分布式邮件服务器集群的负载均衡。本文分析和比较应用多种请求分配算法进行实验分析的结果     

群体组织启示下的粒子群算法改进

从社会学的视角分析粒子群的组织结构,试图通过增强群体组织管理来防止算法的早熟收敛．借鉴社会管理学中发挥个体能动性和规范成员行为并重的管理理念,构造基于团队式管理的粒子群算法．使用标准测试函数对该算法进行仿真实验,并用正交试验法进行了参数优化．实验结果表明,相对现有的一些改进方案,文中提出的改进算法简单易实现,在一些问题求解上表现出较好的寻优和收敛性能．     

LRV负载均衡算法的研究与实现

在研究基于软交换的集群媒体服务器的系统特征的基础上,提出了1种LRV(limited resource vector)负载均衡算法并提供了算法的软件实现方法,该算法考虑了异构系统中资源的协调使用并有效防止了系统性能的剧烈变化. 通过在负载均衡系统Petri网模型上的大量仿真模拟,对LRV负载均衡算法与其他传统负载均衡算法在系统吞吐量、系统响应时间和性能平稳性几个方面做了比较和分析. 结果表明,LRV算法具有更优越的性能,LRV算法的软件实现方法对其他异构集群系统也具有重要参考价值.     

建立基于服务器群集的负载均衡架构

通过对负载均衡方法的分析,给出了负载均衡解决方案,构建了基于服务器群集的动态负载均衡体系结构.     

一种新的集群优化方法--粒子群优化算法

系统地介绍了粒子群优化算法、各种改进算法以及算法的应用情况。对粒子群优化算法的研究和应用进行了总结和展望,指出了其在机械系统优化设计中的应用前景。     

负载均衡机制在防火墙中的应用

基于集群理论，负载均衡在防火墙中的应用有两个方面：1）对服务的负载均衡；2）对防火墙自身的负载均衡，本文在系统阐述负载均衡基本概念，关键技术的基础上，给出了防火墙中这两种负载均衡机制的应用框架。     

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。     

电力系统经济负荷分配的改进粒子群算法

为解决电力系统中的经济负荷分配问题,将改进粒子群算法用于其中。该算法是以基本粒子群算法为基础,利用优化惯性权重策略以及改进最优最差粒子策略,使改进粒子群算法具有高效率全局搜索能力。对三个算例进行仿真测试,证实该算法可有效地解决经济负荷分配问题;性能对比显示,该算法求得的解优于基本粒子群算法及其它优化算法所求得的解。     

求解CVaR投资组合优化问题之改进PSO算法

研究了基于CVaR约束的的最优投资决策问题,为避免维数障碍,针对Fredrik提出的CVaR投资组合优化线性规划模型还原为非线性规划。通过引入缩进因子,改进PSO算法,使粒子在迭代过程中保持在可行域内。最后,通过算例证明了该文方法的有效性,计算结果表明,投资组合优化后的损失期望收益率、标准差、受险价值、条件受险价值等重要风险衡量指标都有了较大改进。     

考虑相似日的短期负荷改进粒子群预测方法

短期负荷预测是电力系统安全经济运行管理的一个基本环节。提出了基于相似日和改进粒子群算法的短期负荷预测方法,在相似负荷曲线中寻找最佳预测负荷曲线,并采用随机变异机制增强粒子群体的多样性。仿真算例验证了上述算法的有效性。     

基于粒子群优化灰色模型的电力系统负荷预测

在分析灰色GM(1,1)模型局限性的基础上,应用粒子群优化算法的非线性全局寻优能力来求解灰色模型参数值,提出了基于粒子群优化算法的灰色模型,并给出了负荷预测的实例.预测结果表明基于粒子群优化算法的灰色模型具有较高的预测精度和较广泛的应用范围.     

基于改进粒子群算法的BP神经网络模型研究

为解决BP神经网络局部性收敛度慢的问题,提出了基于改进粒子群算法的BP神经网络模型．该方法通过粒子群进化速率动态调整惯性权重因子,提高了算法的收敛速度和全局搜索最优值的能力．提出的模型和改进的算法模拟仿真表明：该方法对收敛速度和精度有更好的拟合性．     

一种改进的多目标粒子群优化算法

针对多目标粒子群优化算法在迭代过程中收敛速度和多样性方面的不足,提出一种改进的多目标粒子群优化算法(IMOPSO).采用基于栅格和拥挤距离的协同外部档案维护策略,通过更准确地选择收敛性和多样性性能更好的非劣粒子作为全局最优值,加快整个种群的收敛速度;采用分段Logistic混沌映射、外部档案检测机制及修改的粒子速度更新公式,分别在初始化阶段和迭代过程中增强种群的多样性;最后,通过对标准测试函数仿真测试证明了改进后的算法能够快速收敛至Pareto最优前沿并保持较好的多样性.     

改进的协同粒子群优化算法

针对协同粒子群优化算法存在停滞,不能保证收敛到局部或全局最优值的问题,提出一种改进的协同粒子群优化算法(CCPSO-Hk),该算法将混沌理论引入协同粒子群算法(Chaos PSO)中,利用混沌运动的随机性、遍历性和规律性等改善了协同粒子群算法(Cooperate Particle Swarm Optimization)的性能.通过仿真验证算法的有效性.     

基于改进粒子群算法的输电网扩展规划

针对标准粒子群（SPSO）算法易收敛到局部最优的缺点,采用了一种改进的粒子速度更新公式,即在SPSO算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;此外在算法迭代过程中加入变异操作,适时初始化失活粒子的位置和速度来保持种群多样性．在输电网扩展规划中的应用结果表明,上述两个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群（IPSO）算法的有效性．