专利名称：一种网络动态负载均衡的实现方法与系统的制作方法
技术领域：
本发明涉及互联网领域，尤其涉及一种网络动态负载均衡的实现方法与系统。
背景技术：
随着计算机和网络技术的快速发展，大型分布式系统的应用越来越广泛，诸如网络流媒体点播、多方在线游戏、远程教育、在线医疗等都属于大型分布式系统。大型分布式系统由于其用户数量庞大、位置分散等特点，当面对较大的系统访问量和复杂的业务处理需求，导致网络负载不均衡时，容易出现系统运行缓慢、效率低等问题。目前，解决大型分布式系统运行效率低的问题的一般方法是根据实际需要，不断的提高网络服务器的性能。然而，提高网络服务器的性能，必然会大幅度的增加系统运行成本，使得系统的性价比越来越低，不利于推广应用。另外，还有一种研究方法指出利用全局动态物理负载均衡算法，构建一种集中式的优化网络拓扑结构，以提高大型分布式系统运行效率。其优点是不需增加系统的运行成本，缺点是其算法复杂度较高，存在单点失效的缺陷，且无法适用于动态、实时的环境，适应性较差。
发明内容
本发明实施例的目的在于，提供一种网络动态负载均衡的实现方法与系统，该方法采用分布式策略，避免了集中式算法复杂度高和单点失效的问题，且具有良好的适应性。为了实现上述目的，本发明实施例提供了一种网络动态负载均衡的实现方法，其特征在于，包括
将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构，并随机选择偶数个所述网络拓扑结构的个体作为初始的种群；
在所述局部区域内根据多个约束条件构建多目标函数，根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代； 对所述父代执行遗传算子，形成子代；
将所述子代代入所述多目标函数中计算其后悔值，并判断所述子代的后悔值是否小于所述父代的后悔值；
当判断结果为所述子代的后悔值小于所述父代的后悔值，则以所述子代替换所述父代形成新的种群，并判断是否满足终止条件，若是，则输出所述子代作为最优结果，若不是，则返回计算种群中个体的个体适应度，并选择适应度较高的个体作为父代的步骤；
当判断结果为所述子代的后悔值不小于所述父代的后悔值，则舍弃所述子代，并判断是否满足终止条件，若是，则输出所述父代作为最优结果，若不是，则返回对所述父代执行遗传算子，形成子代的步骤。进一步的，所述多个约束条件分别为资源耗费、通信延时、网络抖动值和传输丢包率。进一步的，在所述局部区域内根据多个约束条件构建多目标函数的步骤还包括将构建的多目标函数计算的后悔值通过归一化方法化为同一量级。进一步的，所述遗传算子包括单点交叉和交换变异。进一步的，所述计算种群中个体的个体适应度，并选择适应度较高的个体作为父代的步骤具体为计算个体适应度，并采用轮盘赌方式选择适应度较高的个体作为父代。相应的，本发明提供了一种网络动态负载均衡的实现系统，所述系统包括
预备单元，用于将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构，并随机选择偶数个所述网络拓扑结构的个体作为初始的种群； 构建单元，用于在所述局部区域内根据多个约束条件构建多目标函数； 选择单元，用于根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代；
计算单元，用于对所述父代执行遗传算子，形成子代；
判断单元，用于将所述子代代入所述多目标函数中计算其后悔值，并判断所述子代的后悔值是否小于所述父代的后悔值；
控制单元，用于当判断单元的判断结果为所述子代的后悔值小于所述父代的后悔值时，控制以所述子代替换所述父代形成新的种群，并判断是否满足终止条件，若是，则输出所述子代作为最优结果，若不是，则控制由所述选择单元计算种群中个体的个体适应度，并选择适应度较高的个体作为父代；
当判断单元的判断结果为所述子代的后悔值不小于所述父代的后悔值时，控制舍弃所述子代，并判断是否满足终止条件，若是，则输出所述父代作为最优结果，若不是，则控制由所述计算单元对所述父代执行遗传算子，形成子代。进一步的，所述多个约束条件分别为资源耗费、通信延时、网络抖动值和传输丢包率。进一步的，所述构建单元还用于将构建的多目标函数计算的后悔值通过归一化方法化为同一量级。进一步的，所述遗传算子包括单点交叉和交换变异。进一步的，所述选择单元采用轮盘赌方式选择适应度较高的个体作为父代。实施本发明实施例，具有如下有益效果
1、使用分布式策略，各网络节点既可以协同执行操作，又可以互不干扰对方的运行过程，避免了集中式算法复杂度高与单点失效的问题。2、使用遗传算法，保证方案能够在合理的时间范围内得出问题的近似最优解。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发明的网络动态负载均衡的实现方法的一实施例的流程图； 图2为本发明的网络动态负载均衡的实现系统的一实施例的结构框图。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明的网络动态负载均衡的实现方法的一实施例的流程图，如图1所示， 所述方法包括以下步骤
步骤SlOO 将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构，并随机选择偶数个所述网络拓扑结构的个体作为初始的种群。具体的，设整个大型分布式系统网络为G = (V, E)，G为一个二维平面内的完全图。其中，V= Iv1, V2, ...，vj为G的顶点集合，表示系统中的网络节点；E = Ie1, e2, ...，em}为G的边集合，表示网络节点之间的链路；每条边力与(1个权重相关联，表示为 Ω = {ωη, coi2，...，ω」(i = 1，2，...，m)。又设定节点通信的单跳路由最大延时阈值为tmax。以节点Vi为例，定义Vi的局部区域为图G中以Vi为圆心、tmax为半径的二维圆面，记为Gi= (Vi, Ei)，而Gi内的将网络所有结点连接起来但不构成回路的连通支路集构成生成树，所述生成树记为Ti,这样将整个网络G分割为若干个局部区域&。值得注意的是，在一个包含η个节点的完全图中共有η11—2棵树，因而可用η_2个数的排列来唯一表示一棵树，其中每个数都是1到η之间的整数，这个排列称为ft~Ufer数，这种编码方式能够唯一表示图中所有可能的生成树，并且在任何交叉或变异操作之后，仍然表示一棵树。初始化所述局部区域内的网络拓扑结构，即构建将局部区域内的所有结点连接起来但不构成回路的连通支路集，也即初始化代表所述生成树的I^rufer数，并随机选择偶数个ft~Ufer数作为初始的种群，同时，对计算的循环次数、计算过程中需使用到的各种参数进行初始化。步骤SlOl 在所述局部区域内根据多个约束条件构建多目标函数，根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代。具体的，在所述局部区域内根据多个约束条件构建多目标函数过程如下 若令X= (X1, X2, ... ι)表示G的任一生成树T的链接状态，则X的定义如下
(I9Si E T I
Os^rf = 12-……成⑴
若令S(T)表示图G中所有生成树的集合，那么对于η阶完全图，必有Is(T) I = ηη_2。再令fi(X) (i = 1，2，...，q)表示目标函数，则基于以上定义，多目标最小生成树问题可以表述如下
权利要求
1.一种网络动态负载均衡的实现方法，其特征在于，包括将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构，并随机选择偶数个所述网络拓扑结构的个体作为初始的种群；在所述局部区域内根据多个约束条件构建多目标函数，根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代； 对所述父代执行遗传算子，形成子代；将所述子代代入所述多目标函数中计算其后悔值，并判断所述子代的后悔值是否小于所述父代的后悔值；当判断结果为所述子代的后悔值小于所述父代的后悔值，则以所述子代替换所述父代形成新的种群，并判断是否满足终止条件，若是，则输出所述子代作为最优结果，若不是，则返回计算种群中个体的个体适应度，并选择适应度较高的个体作为父代的步骤；当判断结果为所述子代的后悔值不小于所述父代的后悔值，则舍弃所述子代，并判断是否满足终止条件，若是，则输出所述父代作为最优结果，若不是，则返回对所述父代执行遗传算子，形成子代的步骤。
2.根据权利要求1所述的方法，其特征在于，所述多个约束条件包括资源耗费、通信延时、网络抖动值和传输丢包率。
3.根据权利要求1所述的方法，其特征在于，在所述局部区域内根据多个约束条件构建多目标函数时将构建的多目标函数计算的后悔值通过归一化方式化为同一量级。
4.根据权利要求1所述的方法，其特征在于，所述遗传算子包括单点交叉算法和交换变异算法。
5.根据权利要求1所述的方法，其特征在于，所述计算种群中个体的个体适应度，并选择适应度较高的个体作为父代的步骤具体为计算种群中个体的个体适应度，并采用轮盘赌方式选择适应度较高的个体作为父代。
6.一种网络动态负载均衡的实现系统，其特征在于，所述系统包括预备单元，用于将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构，并随机选择偶数个所述网络拓扑结构的个体作为初始的种群； 构建单元，用于在所述局部区域内根据多个约束条件构建多目标函数； 选择单元，用于根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代；计算单元，用于对所述父代执行遗传算子，形成子代；判断单元，用于将所述子代代入所述多目标函数中计算其后悔值，并判断所述子代的后悔值是否小于所述父代的后悔值；控制单元，用于当判断单元的判断结果为所述子代的后悔值小于所述父代的后悔值时，控制以所述子代替换所述父代形成新的种群，并判断是否满足终止条件，若是，则输出所述子代作为最优结果，若不是，则控制由所述选择单元计算种群中个体的个体适应度，并选择适应度较高的个体作为父代；当判断单元的判断结果为所述子代的后悔值不小于所述父代的后悔值时，控制舍弃所述子代，并判断是否满足终止条件，若是，则输出所述父代作为最优结果，若不是，则控制由所述计算单元对所述父代执行遗传算子，形成子代。
7.根据权利要求6所述的系统，其特征在于，所述多个约束条件分别为资源耗费、通信延时、网络抖动值和传输丢包率。
8.根据权利要求7所述的系统，其特征在于所述构建单元还用于将构建的多目标函数计算的后悔值通过归一化方法化为同一量级。
9.根据权利要求7所述的系统，其特征在于所述遗传算子包括单点交叉和交换变异。
10.根据权利要求7所述的系统，其特征在于所述选择单元采用轮盘赌方式选择适应度较高的个体作为父代。
全文摘要
本发明实施例公开了一种网络动态负载均衡的实现方法与系统，所述方法包括将大型分布式系统网络划分为若干个局部区域，初始化所述局部区域内的网络拓扑结构种群；在所述局部区域内根据多个约束条件构建多目标函数，根据所述多目标函数计算种群中个体的个体适应度，并选择适应度较高的个体作为父代；对所述父代执行遗传算子，形成子代；将所述子代代入所述多目标函数中计算其后悔值，并判断所述子代的后悔值是否小于所述父代的后悔值；当判断结果为是，则以所述子代替换所述父代形成新的种群；当判断结果为否，则舍弃所述子代。本发明所述系统可以用于实现所述方法。本发明技术方案采用分布式策略，算法简单，且具有良好的适应性。
文档编号H04L12/56GK102291308SQ20111024618
公开日2011年12月21日 申请日期2011年8月25日 优先权日2011年8月25日
发明者任波, 王春霖, 金杉, 麦丰 申请人:中国广东核电集团有限公司, 中科华核电技术研究院有限公司