基于机器学习的复杂网络数据流均衡调度仿真

摘要：

针对传统方法下复杂网络数据流均衡调度中,普遍存在着调度准确率较低、完成时间较长和能量消耗较大等问题,提出了一种基于机器学习的复杂网络数据流均衡调度方法.通过对网络数据流进行分析,获取数据流节点相关参数,利用机器学习中的KNN算法对数据流节点进行分类,数据流节点和存储节点之间不同属性相应的重要程度不同,考虑到数据流任务公平性问题,根据数据流公平性获取数据流负载均衡度,以负载均衡度构建数学模型,考虑最短时间和最优数据流负载构建猫群算法的适应度函数,获取最优调度方案,完成数据流均衡调度.实验结果表明,所提方法调度准确率较高、完成时间较短、能量消耗较低.

关键词：机器学习、复杂网络、数据流、均衡调度

所属期刊栏目：36

分类号：TP311(计算技术、计算机技术)

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：264-267