顶部>JACIII公司>基于混沌的边缘云负载平衡策略研究。。。

单jc.php

JACIII公司 第26卷第5期 第758-767页
doi:10.20965/jaciii.2022.p0758
(2022)

纸张：

过去60天的浏览量： 306

基于混沌分层基因复制的边缘云负载平衡策略研究

朱雷雷（Leilei Zhu）*，吴志晨*、柯昭*刘瑞祥*，Dan Liu，刘丹*、魏苏**和李丽*

*长春科技大学计算机科学与技术学院
中国吉林省长春市卫星路7186号，邮编：130022

**长春中医药大学医学信息学院
中国吉林省长春市南关净月国家高新技术产业开发区博硕路1035号，邮编：130117

收到时间：
2022年2月14日
认可的：
2022年5月21日
出版：
2022年9月20日
Creative Commons许可证
关键词：
边缘云、资源分配、混沌理论、复制率、Kubernetes
摘要

边缘云用于处理对延迟敏感的服务。然而，由于对边缘密集型任务的大量并发请求，资源分配策略影响了节点的稳定性。除了基于混沌分层基因复制的自适应资源分配模型（CRPSO模型）外，还提出了混沌复制率的概念。本研究分为两部分。首先是验证仿真平台的算法验证。通过比较发现，CRPSO平均降低CPU和带宽利用率分别为43.7%和62.7%，内存利用率也低于其他算法。然后，我们将CRPSO算法与Kubernetes聚类算法进行了比较。实验表明，CRPSO模型的拟合度平均比比较算法高33.7%。该算法在CPU利用率和内存利用率方面优于集群调度算法。此外，该模型涉及的两种资源的总方差显著提高，平均达到69.8%。此外，CRPSO在CPU和内存的其他方面也有很大的优势。结果表明，本研究中的模型适用于边缘大规模请求的场景。

CRPSO模型的实验结果

CRPSO模型的实验结果

引用本文为：
L.Zhu、Z.Wu、K.Zhao、R.Liu、D.Liu、W.Su和L.Li，“基于混沌分层基因复制的边缘云负载平衡策略研究”高级计算杂志。因特尔。因特尔。通知。第26卷第5期，第758-767页，2022年。
数据文件：
参考文献
  1. [1] J.Pan和J.Mcelhannon，“物联网应用的未来边缘云和边缘计算”，IEEE物联网杂志，第5卷，第1期，第439-4492017页。
  2. [2] S.K.Sharma和X.Wang，“无线物联网网络中协作边缘和云处理的实时数据分析”，IEEE Access，第5卷，第4621-4635页，2017年。
  3. [3] X.-L.Zhang，J.-H.Yang，X.-Q.Sun等人，“地理分布云研究进展综述”，J.Softw。，第29卷，第7期，第2116-2132页，doi:10.13328/j.cnki.jos.005552018年。
  4. [4] C.Li、C.Wang和Y.Luo，“提高边缘云环境一致性维护的高效调度优化策略”，《超级计算杂志》，第76卷，第6941-69682020页。
  5. [5] Z.Zhou，F.Li，H.Zhu等人，“在云环境中使用贪婪策略优化任务调度的改进遗传算法”，神经计算与应用。，第32卷，第1531-1541页，2020年。
  6. [6] M.Abdullahi，M.A.Ngadi，S.I.Dishing等人，“云计算环境中多目标任务调度问题的高效共生生物搜索算法和混沌优化策略”，《网络与计算机应用杂志》，第133卷，第60-74页，2019年。
  7. [7] T.Zhao，S.Zhou，X.Guo等人，“本地云和互联网云用于延迟软件移动云计算的协同调度方案”，Proc。IEEE Globecom，doi:10.1109/GLOCOMW.2015.74140632015年。
  8. [8] 马云、韩云、王勇军等，“工业云系统边缘计算中的约束静态调度策略”，《信息技术与系统方法国际期刊》，第14卷，第1期，第33-61页，2021年。
  9. [9] B.Lin，C.Lin，X.Chen等人，“不确定边云环境下工作流决策的模糊调度策略”，arXiv:2107.014052021。
  10. [10] L.Bo，X.Huang，L.Niu等人，“车辆边缘计算环境中的任务卸载决策”，微电子与计算机，第36卷，第2期，第78-82页，2019年。
  11. [11] C.You，Y.Zeng，R.Zhang等人，“异步移动边缘计算卸载：能效资源管理”，IEEE Trans。《无线通信》，第17卷，第11期，第7590-7605页，2018年。
  12. [12] Y.Mao，J.Zhang和K.B.Letaief，“利用能量收集设备进行移动边缘计算的动态计算卸载”，IEEE J.《通信选定领域》，第34卷，第12期，第3590-3605页，2016年。
  13. [13] X.Wang，H.Gu，Y.-X.Yue，“基于RBPSO的云计算虚拟资源分配优化”，《并发与计算实践与经验》，第32卷，第16期，第e5113条，2018年。
  14. [14] F.Qian，Y.Fan，H.Liu等人，“基于Logistic混沌映射的自适应粒子群无功优化研究”，《电力电容器与无功补偿》，第38卷，第4期，第146-151页，2017年。
  15. [15] Y.Zhang和F.Wang，“基于改进麻雀搜索算法的照明控制优化方法”，《计算机应用杂志》，doi:10.11772/J.issn.1001-9081.2022010031，2022。
  16. [16] M.Anantathanavit和M.Munlin，“半径粒子群优化”，国际计算机科学与工程会议（ICSEC），第126-130页，doi:10.1109/ICSEC.2013.66947652013。
  17. [17] Xie Y.，Zhu Y.，Wang Y.等人，“云边缘环境下基于新型定向非局部收敛粒子群优化的工作流调度”，《未来一代计算机系统》，第97卷，第361-378页，2019年。
  18. [18] C.Jian、M.Li和X.Kuang，“基于物联网中改进鸟群优化的边缘云计算服务组合”，《集群计算》，第22卷，第8079-8087页，2018年。
  19. [19] G.I.Sayed、G.Khoriba和M.Haggag，“用于全局优化和特征选择的新型混沌salp群算法”，《应用智能》，第48卷，第3462-3481页，2018年。
  20. [20] A.Dalvandi、M.Gurusamy和K.C.Chua，“云数据中心中的应用程序调度、放置和路由以提高能效”，IEEE Trans。《并行与分布式系统》，第28卷，第4期，第947-960页，2017年。
  21. [21]F.Ahamed、S.Shahrestani和B.Javadi，“云计算系统中的安全感知和节能虚拟机整合”，IEEE Trustcom/BigDataSE/ISPA，第1516-1523页，2016年。
  22. [22]T.Wen，G.-J.Sheng，G.Quan等人，“基于改进粒子群优化的Web服务组合”，《计算机中文期刊》，第36卷，第5期，第1031-1046页，2013年（中文）。

Creative Commons许可证 本文发表于Creative Commons Attribution-NoDerivatives 4.0国际许可证。

*该网站是基于HTML5和CSS3为现代浏览器设计的，例如Chrome、Firefox、Safari、Edge和Opera。

上次更新日期：2024年5月19日