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...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。展开更多
文摘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。
