[发明专利]一种粒子群融合变异控制的负载均衡方法

说明书

本发明涉及一种粒子群融合变异控制的负载均衡方法，属于计算机负载均衡领域。包括S1：生成初始种群；S2：选择操作；S3：交叉操作；S4：变异操作；S5：迭代更新；达到下列条件之一都可以终止：(1)寻到最优解；(2)达到最大迭代次数。S7：在达到终止条件后，流程停止，最后留下的染色体，按照序列生成的逻辑反解即可得出任务与节点处理关系的最优方案。本发明结合两种方法的思想，加入控制函数，辅之合适的适应度函数，既避免了前期陷入局部最优的情况，也避免了后期收敛精度不佳的问题。

技术领域

本发明属于计算机负载均衡技术领域，涉及一种粒子群融合变异控制的负载均衡方法。

背景技术

计算机的出现，是用来辅助人们处理一些复杂重复的事情，随着时间的推移，事情也越来越复杂，在这种要求下，人们不得不提高计算机的处理能力，即CPU的处理能力，但是，互联网时代的到来，数据信息量呈爆炸式增长，网络数据交流是其中最常见的方式，大数据量的高并发访问服务器，使得服务器无法有效工作甚至产生错误，这个时候单单提高服务器的硬件运算能力，不一定能有效的解决问题，还会浪费计算机的处理能力，造成网络拥堵，有效的解决办法是利用服务器集群，服务器集群是由多个服务器集合而成，集群的出现能够有效的解决高并发访问的问题，将需要处理的任务分配给不同计算机处理，技术的发展总是问题出现-解决-出现-再解决，伴随着集群而来的是任务分配的问题，即如何实现负载均衡。

在这种情况下，设计一个负载均衡机制实现任务的合理分配是至关重要的，就是设计任务调度器，其核心就是负载均衡算法，一个良好的负载均衡算法，能够最大化的利用硬件资源，高效的处理网络任务，提升用户的交互体验，而且相对于单单更换硬件水平来说，具有更高的性价比，可以说是节约资源。

到目前为止，负载均衡算法大致可以分为静态与动态两类，静态算法按照固定的方式分配请求，虽然实现容易，但实际上效果并不佳，因为考虑的条件过于理想和简单，比如运行死板、集群各服务器性能并不一样，动态算法较之静态算法考虑的更多，更全面，当前的研究现状基本是基于传统动态算法改进或结合，其改进点取决于作者侧重于哪一方面，当然现实中不可能存在一种十全十美的算法，各个改进算法都是倾向于不同的应用场景，都是作者优化不同的点。

发明内容

有鉴于此，本发明的目的在于提供一种粒子群融合变异控制的负载均衡方法，针对互联网络中出现高并发访问造成服务器处理效果不佳的问题，能够以更加有效的手段，实现服务器集群处理任务时尽可能保持负载均衡，本发明的两个优点，一是在不增加额外成本的基础上，以软件的方式实现负载均衡，具有更高的性价比；二是更有效的利用了硬件资源。

为达到上述目的，本发明提供如下技术方案：

一种粒子群融合变异控制的负载均衡方法，包括以下步骤：

S1：生成初始种群：种群即“染色体”的集合，染色体序列包含两个信息，任务与节点对应的关系，利用随机法产生初始种群；

S2：选择操作：基于“适者生存”的理论，通过适应度函数F(i)对种群中的染色体个体进行挑选；

S3：交叉操作：交叉是产生新个体，丰富基因库的手段，以种群中个体为父体，按照设计的交叉方式交换父体之间的部分基因，从而形成新个体；

S4：变异操作：

在粒子群算法中加入变异控制，让算法在前期避免过快收缩，陷入局部最优，并保证收敛精度，引入一个变异控制函数控制变异操作的变异率：

假如预设变异率为t，通过变异函数控制后的变异率为：t^*＝tf(d)；