典型文献
基于蚁群优化的数据中心网络负载均衡算法
文献摘要：
对传统方法调度大象流时容易造成数据中心网络拥塞等问题进行研究,提出一种基于蚁群优化的动态负载均衡(Dynamic Load Balancing based on Ant Colony Optimization,DLB-ACO)算法.该算法通过计算一个周期的链路负载方差,降低瞬时负载极值对负载均衡度的影响,避免资源浪费,再对蚁群算法的路径选择概率引入混沌策略和分段调节挥发因子,使算法具有较强的全局搜索能力和较高的收敛速度,从而提高全局最优路径计算的概率.实验结果表明,与等价多径路由(Equal Cost Multi Path,ECMP)算法和全局优先匹配流量调度(Global First Fit,GFF)算法对比,所提算法提高了网络的链路利用率和吞吐量,并且降低了时延.
文献关键词：
数据中心网络;大象流;负载均衡度;蚁群优化算法
中图分类号：
作者姓名：
朱国晖;史思潮;翟鹏宇
作者机构：
西安邮电大学通信与信息工程学院,陕西西安710121
文献出处：
引用格式：
[1]朱国晖;史思潮;翟鹏宇-.基于蚁群优化的数据中心网络负载均衡算法)[J].西安邮电大学学报,2022(05):11-17
A类：
GFF
B类：
数据中心网络,网络负载,均衡算法,大象流,流时,造成数,网络拥塞,动态负载均衡,Dynamic,Load,Balancing,Ant,Colony,Optimization,DLB,ACO,链路,极值,负载均衡度,资源浪费,蚁群算法,混沌,挥发因子,全局搜索,搜索能力,收敛速度,全局最优,最优路径,路径计算,等价,多径路由,Equal,Cost,Multi,Path,ECMP,流量调度,Global,First,Fit,算法对比,吞吐量,时延,蚁群优化算法
AB值：
0.528669
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
