一种分布式网络流量自组织调度方法

    公开(公告)号:CN104219319B

    公开(公告)日:2017-06-09

    申请号:CN201410469645.X

    申请日:2014-09-15

    CPC classification number: Y02D50/10

    Abstract: 本发明提供一种适用于分布式网络环境中的网络流量调度方法,流量调度过程中采用基于卡尔曼滤波的网络流量预测方法对分布式网络流量中心采集的流量进行预测,由于分布式网络环境中流量调度模型是一个多维背包问题,这是一个NP问题,同时结合预测流量和各网络时延等因素,解这个NP问题,得到一个优化的调度结果,使得通过流量调度以后,分布式网络能够在服务器承载能力范围内最大比例地访问服务器,同时报文传播时延及跳数等最小化,实现负载均衡的目的,流量调度效果最佳。应用本方法可以实现分布式网络流量的高效预测和高利用率、低消耗的流量调度。

    多服务质量约束下基于蜂群优化的网络流量调度方法

    公开(公告)号:CN104954278A

    公开(公告)日:2015-09-30

    申请号:CN201510348530.X

    申请日:2015-06-23

    CPC classification number: H04L47/125 H04L47/24 H04L47/52 H04L47/56

    Abstract: 本发明提供一种多服务质量约束下基于蜂群优化的网络流量调度方法,采用多目标人工蜂群优化算法对多目标优化问题进行求解,算法结合Pareto排序机制、拥挤距离改进适应度函数,采用Boltzmann策略进行解的选择,利用外部档案记录已经找到的Pareto解,并利用全局信息指导蜂群的邻域搜索,使找到的Pareto最优解均匀地分布在真实Pareto最优前端上。根据实际情况分析各目标的重要程度,确定最佳流量调度方案,使得通过流量调度以后,网络流量按需调度,提升对用户的服务水平,提高网络资源的利用率,实现负载均衡的目的,流量调度效果最优。应用本方法可以实现多QoS约束下网络流量高利用率、低消耗的流量调度。

    多服务质量约束下基于蜂群优化的网络流量调度方法

    公开(公告)号:CN104954278B

    公开(公告)日:2017-11-14

    申请号:CN201510348530.X

    申请日:2015-06-23

    Abstract: 本发明提供一种多服务质量约束下基于蜂群优化的网络流量调度方法,采用多目标人工蜂群优化算法对多目标优化问题进行求解,算法结合Pareto排序机制、拥挤距离改进适应度函数,采用Boltzmann策略进行解的选择,利用外部档案记录已经找到的Pareto解,并利用全局信息指导蜂群的邻域搜索,使找到的Pareto最优解均匀地分布在真实Pareto最优前端上。根据实际情况分析各目标的重要程度,确定最佳流量调度方案,使得通过流量调度以后,网络流量按需调度,提升对用户的服务水平,提高网络资源的利用率,实现负载均衡的目的,流量调度效果最优。应用本方法可以实现多QoS约束下网络流量高利用率、低消耗的流量调度。

    一种分布式网络流量自组织调度方法

    公开(公告)号:CN104219319A

    公开(公告)日:2014-12-17

    申请号:CN201410469645.X

    申请日:2014-09-15

    CPC classification number: Y02D50/10

    Abstract: 本发明提供一种适用于分布式网络环境中的网络流量调度方法,流量调度过程中采用基于卡尔曼滤波的网络流量预测方法对分布式网络流量中心采集的流量进行预测,由于分布式网络环境中流量调度模型是一个多维背包问题,这是一个NP问题,同时结合预测流量和各网络时延等因素,解这个NP问题,得到一个优化的调度结果,使得通过流量调度以后,分布式网络能够在服务器承载能力范围内最大比例地访问服务器,同时报文传播时延及跳数等最小化,实现负载均衡的目的,流量调度效果最佳。应用本方法可以实现分布式网络流量的高效预测和高利用率、低消耗的流量调度。

    基于智能优化的分布式网络流量预测方法

    公开(公告)号:CN104811336A

    公开(公告)日:2015-07-29

    申请号:CN201510154160.6

    申请日:2015-04-02

    CPC classification number: H04L41/147

    Abstract: 本发明提供一种适用于分布式网络(Distributed Network)环境中的基于智能优化的分布式网络流量预测方法,预测过程中采用基于三次指数平滑的网络流量预测对分布式网络流量中心采集的流量进行预测,且由于三次指数平滑模型中的平滑指数的选取对预测效果具有重要影响,采用果蝇优化算法(FOA)对平滑指数进行优化,通过不断寻优得到预测效果最佳的平滑参数,预测效果由对应平滑参数下预测绝对均方误差表示,预测均方误差预测小则预测效果越好,该预测为一次较为准确的网络流量预测,实现了分布式网络中高效、准确的网络流量预测。应用本方可以实现分布式网络流量的高效率、小误差的流量预测。

Patent Agency Ranking