[发明专利]基于反向混沌布谷鸟搜索的自适应权重负载均衡算法

说明书

本发明公开了一种基于反向混沌布谷鸟搜索的自适应权重负载均衡算法，属于分布式计算领域。本发明包括以下步骤：S1：FCFS任务分配权重计算；S2，初始化种群个体；S3，对种群个体进行适应度评估；S4，根据反向学习策略对各维度的解进行评价更新；S5，更新种群，再次迭代；S6，输出最优任务分配权重。考虑集群请求任务分配的特性，建立任务分配权重模型。利用混沌变异算子映射到布谷鸟搜索种群的策略，处理搜索过程中每一阶段的最优解选择和劣解更新。通过反向学习的多样性因子对不同阶段中的鸟窝位置进行调整。通过改进后的算法使得寻找最优解的效率得到提高，从而有效提高了布谷鸟搜索的寻优效率并且更加适合于集群的负载均衡。

技术领域

本发明属于分布式计算领域，具体涉及一种基于反向混沌布谷鸟搜索的自适应权重负载均衡算法。

背景技术

随着互联网的高速发展，各类网络化信息系统规模越来越大，“大促”和“秒杀”等业务场景使得访问流量呈几何级数增长。Web集群使用多个节点服务器分担客户端请求的压力，从而增加整个站点系统的扩展能力与容错能力，提高系统响应效率与可靠性。Web集群经常出现负载失衡的情况，使得系统利用率低，用户请求得不到快速响应，服务质量急剧下降。因此，如何高效地均衡各服务器节点的负载是服务器集群需要解决的关键问题。

布谷鸟算法作为一种比较新的启发式搜索算法，具有参数设置少、执行速度快、易实现等特点。目前，一些学者基于改进布谷鸟搜索算法建立了一些云计算资源调度模型，将CS算法应用于云计算环境，有效地提高了云计算资源调度的效率。分析发现，基于布谷鸟搜索的云资源调度模型并不完全适用于Web集群的负载均衡调度，且算法本身随机游走可能导致收敛速度缓慢，不利于全局寻优。

本文提出了一种基于反向混沌布谷鸟搜索的自适应权重负载均衡算法(AdaptiveWeight Load Balance Algorithm Based on Opposition Chaos Cuckoo Search，AW-OCCS)。该算法选取服务器节点的CPU、内存、磁盘IO、网络带宽资源作为综合负载指标，根据各指标的实时状态建立任务分配模型和目标优化方程。在布谷鸟搜索中引入混沌变异算子来选择每一个阶段中鸟窝最佳位置，对迭代过程中的劣解进行混沌变异更新。引入反向学习的多样性因子对不同阶段中的鸟窝位置进行调整，通过改进后的布谷鸟算法使得寻找最优解的效率得到提高，同时提高了算法收敛速度。

发明内容

本发明的目的是将布谷鸟算法应用在Web集群负载均衡中以提高任务分配效率，将自适应任务分配权重模型(Adaptive Weight Model，简称AW)与反向混沌布谷鸟算法(Opposition Chaos Cuckoo Search，缩写OCCS)相结合，形成一种AW-OCCS算法，提供了一种更加有效的集群负载均衡方法。

本发明解决其技术问题所采用的技术方案是：

一种基于反向混沌布谷鸟搜索的自适应负载均衡算法，包括如下步骤：

A、选取服务器节点的综合负载指标，采用FCFS调度算法进行请求任务的调度，确定一组初始任务分配权重向量；

B、根据初始任务分配权重向量对种群进行初始化，计算每个布谷鸟对应的目标函数，根据Logistic混沌信号变异得到初始种群的解；

C、对种群个体进行适应度评估，在迭代过程中寻找种群最优解，根据反向学习策略对各维度的解进行评价更新，并对迭代过程中的劣解进行混沌变异更新，直到达到最大迭代次数，得到最终最优解；

D、根据步骤C生成的最终最优解，采用Logistic混沌信号变异生成最终任务分配权重向量并输出，指导服务器节点的任务调度。

进一步的，所述步骤A具体为：