(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211041096.7 (22)申请日 2022.08.29 (71)申请人 山东财经大学 地址 250014 山东省济南市历下区二环东 路7366号 (72)发明人 祝翠玲　杨成伟　白秀冉　 (74)专利代理 机构 北京华清迪源知识产权代理 有限公司 1 1577 专利代理师 陈晨 (51)Int.Cl. G06F 9/50(2006.01) G06N 3/00(2006.01) (54)发明名称 基于自适应变异差分进化的云计算负载均 衡方法及系统 (57)摘要 本申请公开了一种基于自适应变异差分进 化的云计算负载均衡方法及系统， 首先根据所设 置的初始迭代 参数随机产生初始种群； 计算当前 迭代轮次的种群中每个个体的适应值， 并找出当 前种群最优解， 得到当前种群的群体相似度系 数， 并确定对应的变异操作模式； 然后进行交叉 操作得到交叉操作结果； 根据适应度函数采用误 差性能指标ITA E产生更新后的种群； 最后判断当 前迭代轮次为最大迭代次数时， 则调用蚁群算法 计算全局最优路径。 可以看出， 本发明通过自适 应变异差分进 化算法对ACO算法的信息素等随机 初始化的参数进行优化， 实现前期提高全局搜索 能力后期提高局部搜索能力， 有效的降低了这一 问题传统方法对搜索所需时间长， 提高了负载均 衡的工作效率。 权利要求书3页 说明书9页 附图4页 CN 115408154 A 2022.11.29 CN 115408154 A 1.一种基于自适应 变异差分进化的云计算负载均衡方法， 其特 征在于， 所述方法包括： S1， 定义种群规模为NP的初始种群X0＝[X0 1,X0 2,...X0 NP]T， 其中， 所述初始种群中的每 个个体X0 i可以用X0 i＝[x0 i,1,x0 i,2,...x0 i,D]T来表示； 并设置初始迭代参数随机产生初始种 群； S2， 计算当前迭代轮次的种群 中每个个体的适应值， 并找出当前种群最优解， 进一步得 到当前种群的群体相似度系数ε， 并基于预设参数与群体相似度系数ε 的大小确定并执行对 应的变异操作模式； S3， 计算变异个体优劣系数δ， 并根据所述变异个体优劣系数δ得到当前迭代的交叉概 率因子CR， 并进行交叉操作得到交叉操作结果； S4， 将所述交叉操作结果根据预设适应度函数采用误差性能指标ITAE进行选择操作产 生当前迭代轮次所 更新后的种群； S5， 判断当前迭代轮次是否为最大迭代次数； 若是， 则基于当前迭代轮次所更新后的种 群调用蚁群算法计算全局最优路径， 以实现网络负载均衡； 若否， 则更新迭代次数， 返回S2 进入下一轮迭代。 2.根据权利要求1所述的方法， 其特征在于， 所述计算当前迭代轮次的种群中每个个体 的适应值， 并找出当前种群最优解， 进一 步得到当前种群的群 体相似度系数 ε， 包括： 根据第一公式得到当前种群的群 体相似度系数 ε， 所述第一公式具体包括： 其中， fbest表示种群最优适应值， fi表示种群第i个目标个体的适应值， NP表示种群规 模。 3.根据权利要求1所述的方法， 其特征在于， 所述基于预设参数与群体相似度系数ε的 大小确定并执 行对应的变异操作模式， 包括： 根据第二公式确定并执 行对应的变异操作模式， 所述第二公式具体包括： 其中， ro,r1,r2∈(1， 2，…,NP)表示互不相等的整数， 且与当前的目标个体i不同， F表示 缩放因子， Vig表示通过变异操作产生的变异个体， 表示当前种群的最优解， Yrand表示 新产生种群中的随机个体， 分别表示不同的目标个体的解， rand表示产生 的随机数。 4.根据权利要求1所述的方法， 其特 征在于， 所述计算变异个 体优劣系数δ， 包括： 根据第三公式计算变异个 体优劣系数δ， 所述第三公式具体包括： 其中， favg表示当前种群平均适应值， fi表示种群第i个目标个体的适应值， NP表示种群 规模。权　利　要　求　书 1/3 页 2 CN 115408154 A 25.根据权利要求1所述的方法， 其特征在于， 根据所述变异个体优劣系数δ得到当前迭 代的交叉概 率因子CR， 包括： 根据第四公式得到当前迭代的交叉概 率因子CR， 所述第四公式具体包括： 其中， favg表示当前变异 矢量群体的适应度大小平均值， f(vi)表示当前变异 矢量个体， f (Vbest)表示当前变异矢量群 体适应度最优值， CRmax和CRmin分别为CR取值的上 下限。 6.根据权利要求1所述的方法， 其特 征在于， 所述进行交叉操作得到适应度函数， 包括： 根据第五 公式进行交叉操作， 所述第五 公式具体包括： 其中， 表示交叉操作结果， 表示变异个体， 表示正常个体， i＝1,2, …,NP， j＝ 1,2,…,D。 7.根据权利要求1所述的方法， 其特征在于， 将交叉操作 结果根据 预设适应度函数采用 误差性能指标ITAE进行选择操作， 包括： 根据第六公式进行选择操作， 所述第六公式具体包括： 其中， 表示交叉操作产生的试验个体， 即交叉操作结果， 表示经过选择操作产 生的下一代个 体， 表示当前训练批次的个 体， f为适应度函数。 8.根据权利要求1所述的方法， 其特征在于， 所述设置初始迭代参数随机产生初始种 群， 包括： 设定种群规模NP、 变异因子F、 交叉概率因子上限CRmax和下限CRmin、 最大迭代次数G并 随机产生初始种群。 9.一种基于自适应 变异差分进化的云计算负载均衡系统， 其特 征在于， 所述系统包括： 设置模块， 用于定义种群规模为NP的初始种群X0＝[X0 1,X0 2,...X0 NP]T， 其中， 所述初始 种群中的每个个体X0 i可以用X0 i＝[x0 i,1,x0 i,2,...x0 i,D]T来表示； 并设置初始迭代参数随机 产生初始种群； 变异模块， 用于计算当前迭代轮次的种群中每个个体的适应值， 并找出当前种群最优 解， 进一步得到当前种群的群体相似度系 数ε， 并基于预设参数与群体相似度系数ε的大小 确定并执 行对应的变异操作模式； 交叉模块， 用于计算变异个体优劣系数δ， 并根据所述变异个体优劣系数δ得到当前迭 代的交叉概 率因子CR， 并进行交叉操作得到交叉操作结果； 选择模块， 用于将所述交叉操作结果根据预设适应度函数采用误差性能指标ITAE进行 选择操作产生当前迭代轮次所 更新后的种群； 判断模块， 用于判断当前迭代轮次是否为最大迭代次数； 若是， 则基于当前迭代轮次所权　利　要　求　书 2/3 页 3 CN 115408154 A 3