[发明专利]一种基于遗传算法的服务器负载均衡方法

摘要

本发明公开了一种基于遗传算法的服务器负载均衡方法。涉及负载均衡技术领域,包括以下几个步骤:1)采用十进制对空间的候选解进行编码,随机产生适量初始串结构数据作为初始种群；2)遗传算法以初始种群进行迭代，当最优字符串的适应度与最小适应度值之差小于e或迭代达到预设的代数时，算法终止；3)通过Mean‑Variance模型进行资源利用率和执行时间适应性值的评估检测；4)按轮盘赌方法选择适应性强的字符串，对选择的字符串进行交叉、变异运算,产生新的字符串进行下一轮的迭代，回到步骤2。本发明将Mean‑Variance模型应用于适应度的评估，改善了传统目标函数的模式，所得到的资源使用均衡情况和执行时间可以更有效的衡量字符串适应性，提高了负载均衡性能。

主权项

1.一种基于遗传算法的服务器负载均衡方法，其特征在于包括如下步骤：1)采用二维十进制对空间的候选解进行编码，随机产生初始种群；2)通过Mean‑Variance模型计算资源利用率和执行时间，从而得到组合适应度函数对种群中的个体进行评估检测；具体包括如下步骤：S01负载指数的衡量通过服务器运行时的参数得到负载指数，所述的参数包括CPU占用率，内存及带宽利用率；其中每个服务器的内存利用率定义为：式中：Vmi为服务器i的已用内存，Pmi为服务器i的总内存；CPU占用率的定义为：式中：Vci为服务器i已被占用的CPU，Pci是服务器i的总CPU；带宽利用率的定义为：式中：Vbi为服务器i已被占用的带宽，Pbi则是服务器i的总带宽；S02服务器i的资源利用率为：Rui＝k1Mui+k2Cui+k3Bui式中：k1，k2，k3为常数，且k1+k2+k3＝1；S03用Mean‑Variance模型计算资源利用率及执行时间假设对m个服务器进行资源利用率的配置，对应的资源利用率为随机变量Rui，总的资源利用率为：其中wi代表m个服务器中资源利用率的权值向量，i＝1，2，...，m，期望up和负载均衡时间σ2p分别为：其中，ui是服务器i资源利用率的期望，而cov(Rui，Ruj)表示任意两个服务器资源利用率Rui，Ruj的协方差又写作σij，Mean‑Variance模型通过求解约束优化问题来获得最优的权重向量，最小执行时间makespan为：约束条件：在限制条件下求解Rui资源利用率组合时的最小执行时间，关于最值问题通过拉格朗日目标函数求得，构建拉格朗日式如下：其中λ1和λ2是拉格朗日乘数，通过计算L相对于wi和拉格朗日乘数的导数为0的等式来获得最优的权重向量，即分别对wi，λ1，λ2求偏导：S04由最优的权重向量可得到总的资源利用率及执行时间，组合适应度函数：适应度函数用来评价负载调度任务的质量，响应时间越少，资源利用率越高时，适应度值越高，表示负载均衡策略越好；3)当最优字符串的适应度稳定时或迭代达到预设的次数时，算法终止并输出最优适应度字符串；否则执行步骤4)；4)按轮盘赌选择方法对适应性强的字符串进行选择，选择的字符串进行循环交叉及变异运算；得到新的种群，并返回步骤2)。