[发明专利]一种基于遗传算法实现MAS负载均衡的方法

说明书

技术领域

本发明涉及一种基于遗传算法实现MAS(MultiAgentSystem，多智能体系统)负载均衡的方法，属于分布式系统负载均衡技术领域。

背景技术

多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。通过智能体的合作来完成任务的求解，实现多智能体系统的关键是多个智能体之间的通信和协调。

当系统越来越大，系统节点随之增多的时候，不得不考虑负载均衡的问题。如何使MAS任务的分配执行达到最优或接近最优，整体效率较高，这是本发明将要研究的问题。

负载均衡是一种能够通过恰当的任务分配来进行资源优化利用，实施并行运算，提高处理机吞吐量和缩短执行任务时间的技术。一般分为静态负载均衡和动态负载均衡。通常情况下，静态负载均衡算法都没有考虑系统的动态变化情况，往往会表现出任务分配的不均衡性。

动态负载均衡是指根据目标系统上负载的变化，动态地进行任务分配。动态负载均衡中的任务调度可分为集中式调度和分布式调度两大类,集中式调度由一个任务调度器负责搜集系统负载信息,并由它来决定负载均衡调度方案。集中式调度实现简单,但在节点数较多或大规模并行分布式系统中,由于处理能力和通信的受限的原因,任务调度器成为系统瓶颈。分布式调度解决了集中式调度所存在的问题，但随着节点数目和任务数目的增加，分配效率也随之下降。

张玉芳在《基于负载权值的负载均衡算法》中为解决服务器集群负载分配不均的问题，综合考虑节点负载和节点性能信息，提出了基于负载权值的动态反馈负载均衡算法。利用负载权值选择分配负载的节点集合，保证性能高的节点分配到较多的负载；引入负载差值计算节点分配负载的概率，使得负载的分布更加均匀；通过负载增量及负载修正保持系统的稳定性。使用OPNET仿真软件进行测试，结果表明该算法能有效提高负载均衡效率，有较好的负载均衡效果。但是使用修正负载增量来抵消节点完成任务对负载造成的影响，有一定的滞后性。另外，均衡效率虽然有了一定的提高，但与理论上存在差距。

曹兰在《遗传算法在负载均衡系统中的应用研究》将并行分布式系统中广泛使用的遗传算法应用到增值业务计费系统即负载均衡系统的设计中,并根据增值业务计费系统的具体特点,对遗传算法作了适当的改进,提高了后台服务器CPU的利用率,从而改善系统性能。但在分配的过程中，没有为节点设置负载阈值，可能会出现节点过载。

发明内容

发明目的：针对现有技术存在的缺陷，本发明的目的在于提供一种基于遗传算法实现MAS负载均衡的方法。在待分配任务和节点之间建立基于遗传算法的负载均衡器，以此实现MAS各节点的负载均衡。其中，MAS中所有的待分配任务的详细信息都要发送到负载均衡器。同时，负载均衡器收集各个节点的负载情况，以此作出有效的任务调度。

同时在分配的过程中，对每个节点设置负载阈值，当前负载大于阈值的时候，停止向该节点分配任务，这样可以缩小搜索空间并以此加快任务分配效率。

技术方案：一种基于遗传算法实现MAS负载均衡的方法，包括如下步骤：步骤一、建立分配模型

在MAS中，存在有多个Agent，Agent之间协同完成某项任务。同时系统中几个Agent自发建立一个系统节点，每个节点就是一个管理Agent，每个管理Agent分配任务到执行任务的Agent，节点上的Agent受节点的管理。整个系统存在多个节点，节点间相对独立，并没统一的管理中心。

每个节点可以接受系统分配的任务，当节点接受任务后，会指派底层Agent执行任务。如果没有负载均衡器，可能会出现个别节点负载过大或者个别节点负载过轻，因而就需要考虑节点负载。具体如下：

Load(i)＝x(i)(1)

Load(i)为各个节点的负载值，其值的大小衡量节点所处的状态，即空载、轻载、重载或超载。