[发明专利]一种基于流量预测与果蝇优化算法的网络负载均衡方法有效
申请号: | 202010158447.7 | 申请日: | 2020-03-09 |
公开(公告)号: | CN111372260B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 曲桦;赵季红;李佳琪 | 申请(专利权)人: | 西安交通大学 |
主分类号: | H04W16/22 | 分类号: | H04W16/22;H04W24/00;H04W28/08;H04W36/00;H04W36/22 |
代理公司: | 西安通大专利代理有限责任公司 61200 | 代理人: | 马贵香 |
地址: | 710049 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 流量 预测 果蝇 优化 算法 网络 负载 均衡 方法 | ||
1.一种基于流量预测与果蝇优化算法的网络负载均衡方法,其特征在于,包括以下步骤:
(一)在网络使用的空闲时段内,所有小区以天为时间单位将历史流量信息发送至区域内的中心节点,通过果蝇优化算法给出历史信息上的负载均衡方案,中心节点在空闲时段将所得到的负载均衡方案广播至各个小区;
具体过程如下:
1)假设每个小区的资源上限值一致并且为R,并且区域内所有小区两两组成相邻关系,能够进行业务切换,则网络中的总资源利用率ρ为:
其中,Ti是小区i保持不变的业务流量,Ti'是邻小区转移到小区i的业务流量,n为小区个数,R为小区的资源上限值;
2)在夜晚网络使用的闲暇时段,所有小区将各自每天以小时时间间隔的业务流量信息发送给中心节点;i小区流量t小时的业务流量信息包含保持不变的业务流量值x和邻小区转移进本小区的业务流量值y,即流量向量形式为:(t,xti,yti),其中t为时间,xti是小区i在t小时时保持不变的业务流量,yti是邻小区在t小时时转移到小区i的业务流量;
3)采用果蝇优化算法对式(1.1)求解,所有小区组成果蝇种群,果蝇个体采用果蝇优化算法搜索公式利用嗅觉搜索食物;
4)计算每个果蝇个体与坐标原点之间的距离Disti,再计算每个果蝇个体的味道浓度判定值Si:
Si=1/Disti(1.7)
其中,Disti为第i个果蝇个体与坐标原点之间的距离,Xi、Yi分别为第i个果蝇个体的x轴和y轴位置,Si为第i个果蝇个体的味道浓度判定值;
5)将步骤4)中的第i个果蝇个体的味道浓度判定值Si带入味道浓度判定函数Function,求出每个果蝇个体位置的味道浓度Smell,并找出该果蝇群体中味道浓度最佳的果蝇:
Smelli=Function(Si)(1.8)
[bestSmell bestIndex]=max(Smelli)(1.9)
其中,Smelli为第i个果蝇个体位置的味道浓度,Function()为味道浓度判定函数,bestSmell和bestIndex分别为当前迭代次数中果蝇群体中最浓味道值和最浓味道值所在的果蝇个体标号,max()为求最大值函数;
6)记录下味道浓度最佳果蝇的味道浓度值以及其位置坐标,果蝇群体中所有果蝇逐渐飞向这个位置以达到全局最优解:
Smellbest=bestSmell(1.10)
X_axis=XbestIndex(1.11)
Y_axis=YbestIndex(1.12)
其中,bestSmell为全局果蝇群体中最浓味道值,X_axis,Y_axis,XbestIndex,YbestIndex为达到最优解的果蝇群体所在的位置坐标;
7)进入迭代优化阶段,重复上述步骤4)到步骤5),并判断味道浓度值是否大于前一迭代的味道浓度,若是,则执行步骤6);若否,则在最大迭代次数内继续重复上述步骤4)到步骤5),得到小区群体在最大资源利用率时的各小区保持不变的业务流量值和邻小区转移到本小区的业务流量值;
8)根据小区群体在最大资源利用率时的各小区保持不变的业务流量值和邻小区转移到本小区的业务流量值,得到最大总体资源利用率的历史最佳负载均衡策略,然后中心节点将历史最佳负载均衡策略以广播的形式发送给各小区;
(二)每个小区根据自己与邻小区的历史流量信息及负载均衡方案构造GBDT回归模型,并训练GBDT回归模型,判断是否还能够接收呼叫业务或者转移业务;
具体过程如下:
1)各小区接收并保存由步骤(一)中心节点发送的历史最佳负载均衡策略;
2)各小区根据本小区和邻小区的历史流量及历史最佳负载均衡策略构造GBDT回归模型的特征,GBDT回归模型的特征有:时间t、本小区流量xti、邻小区流量yti、本小区与邻小区的流量差值δti、历史最佳负载均衡策略中该小区保持不变的业务流量xt'i,历史最佳负载均衡策略中邻小区转移到该小区的业务流量值yt'i;
3)各小区构建GBDT回归模型,来对小区未来的负载进行预测;
(三)若能够接收呼叫任务,在进行接入控制时,每个小区基于本小区和邻小区预测的流量值,对本小区的接入控制进行预测;
具体过程如下:
1)采用基于模糊聚类的LSTM的预测方法对t时刻的本小区的业务流量值和邻小区转移到本小区的业务流量值进行预测,得到下一时刻本小区的业务流量预测值和邻小区转移到本小区的业务流量预测值
2)将步骤1)得到的下一时刻本小区的业务流量预测值和邻小区转移到本小区的业务流量预测值替换测试集中的xt'+1i和yt'+1i,然后将测试集输入至步骤(二)中训练好的GBDT回归模型当中,得到预测值,若得到的预测值大于小区资源上限值则拒绝业务的接入,若预测值小于小区的资源上限值则接受业务的接入;
(四)如果小区进行接入控制后的负载过载,则进行业务的切换控制来均衡负载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010158447.7/1.html,转载请声明来源钻瓜专利网。