35、遗传算法在同质流量网络负载均衡中的应用

遗传算法在同质流量网络负载均衡中的应用

1. 引言

如今，典型的“数据处理系统”由“分布式数据源”和“中央云”组成。然而，物联网的出现带来了改变，因为从“传感器”到云再回到“执行器”的“决策循环”，对于（近）实时应用来说可能耗时过长。这个问题在所谓的扩展云（EC）中尤为突出。扩展云包含高度异构的硬件，通常使用软件定义网络（SDN）架构进行管理。

SDN 网络有效管理的关键之一是负载均衡，可通过消除过载链路、动态调整路由策略来实现。这需要一个“仲裁器”来收集通信请求信息并动态管理路由，从而平衡连接 EC 元素（包括物联网和控制设备）的聚合层负载。

传统的负载均衡算法应用于基于 SDN 的网络时是 NP 难题。因此，提出了一种基于遗传算法的 SDN 网络负载均衡方法（SDNGALB 算法）。对网络负载均衡的标准方法和基于元启发式的方法进行综合分析后发现：
- 现有解决方案主要关注使用通信链路权重的静态值，导致连接结构暂时最优但静态，存在研究空白。
- 应特别关注所开发解决方案在真实网络设备环境中的应用可能性。

为解决这些局限性，提出了具有高实施潜力的遗传算法。

2. 问题表述与解决方案

2.1 网络表示

计算机网络用有向图 $G(N, E)$ 表示，其中 $N$ 是代表网络设备的节点集合，$E$ 是代表网络链路的边集合。每条边 $e_{ij} \in E$ 被赋予权重 $w_{ij}$，其修改会影响当前路由策略的形成。同时做出以下假设：
1. 表示为 $e_{ij} \in E$ 的通信通道具有相同的带宽。
2. $G(N, E)$ 是有向图，以捕捉流量的不