.png){kind=icon}
返回
The application and performance optimization of multi-controller-based load balancing algorithm in computer networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eij.2025.100678.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了当代社会网络流量增加所导致的网络拥塞这一关键问题。计算机网络是信息交换和在线服务的基础，其效率至关重要。传统负载均衡算法在处理动态工作负载方面面临挑战，导致资源利用率低下和响应时间延长。为解决此问题，引入了一种名为遗传-鸟群优化（GBSO）的新方法，专注于基于多控制器的负载均衡。该方法涉及问题建模、分析和选择过程，包括在网络段中选择交换机和目标控制器。结果表明，所提出的GBSO方法的吞吐量约为3800，负载均衡后的负载指数为0.6，表明工作负载分布均衡。所提出的GBSO算法的准确率为92.15%，精确率为89%，召回率为88%，F1得分为85%，均高于现有的朴素贝叶斯算法。本研究强调了负载均衡在优化计算机网络性能中的重要性。本文提出的新算法为均匀网络流量分布提供了可靠解决方案，减少了现有方法的局限性。
Keyword:
Load balancing
Multiple controllers
Genetic-bird swarm optimization
Computer networks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.3
论文数:
798
被引数:
1.4K
机构
引用论文
Multi-Controller Placement Optimization Using Naked Mole-Rat Algorithm over Software-Defined Networking Environment基于软件定义网络环境的裸鼹鼠算法多控制器部署优化
OAAI
OAAI分享收藏Middleware infrastructure for parallel and distributed programming models in heterogeneous systems
OAAI
OAAI分享收藏An adaptive traffic routing approach toward load balancing and congestion control in Cloud-MANET ad hoc networks.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏分享收藏
查看更多内容