| 【中文题名】 | 交通流预测网格负载平衡研究 |
| 【英文题名】 | Research on Grid Load Balancing of Traffic Flow Forecast |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-1-17 |
| 【中关键词】 | 交通流预测,负载平衡,网格,移动Agent,, |
| 【英关键词】 | Traffic Flow Forecast,Load balancing,Grid,Mobile Agent, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 基于神经网络的城市路网交通流预测通常需要大量的计算资源来保证任务在规定时间内完成，网格能够共享广域环境下的大量空闲资源以满足大规模任务的高性能需求，因而交通流预测任务可以利用网格来提高任务的执行效率，降低执行时间。
在网格环境中，由于节点以动态共享的方式加入网格，以及各个节点处理能力的差异，往往使得节点间出现负载不平衡的情况，在基于网格的交通流预测任务中通常表现为超载节点任务执行时间过长，使得整个交通流预测任务的执行时间无法满足要求，造成了系统资源的浪费，直接影响了网格系统的整体性能，违背了网格提高资源利用率的初衷。
针对这一问题，本文通过对负载平衡理论的研究，分析网格负载平衡中需要解决的关键问题，给出了结合当前节点负载状态和执行时间反馈进行任务量调整的负载平衡算法，并在此算法的基础上给出了动态负载平衡框架DLBFG。作为DLBFG框架的一大特点，利用移动Agent的自主性和移动性，将它引入到动态、异构的网格环境中来解决负载动态迁移的问题。通过对网格技术和移动Agent技术两者特性的分析，结合负载平衡理论，在DLBFG框架中给出了作业平衡分配和动态迁移的各个模块，根据DLBFG... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
1 绪论 |
8-15 |
|
1.1 研究背景及意义 |
8-11 |
|
1.2 研究现状及分析 |
11-13 |
|
1.2.1 网格负载平衡研究现状 |
11-12 |
|
1.2.2 结合移动Agent技术实现网格负载平衡 |
12-13 |
|
1.3 本文的主要工作 |
13-14 |
|
1.4 本文组织 |
14-15 |
|
2 相关技术研究 |
15-23 |
|
2.1 网格 |
15-19 |
|
2.1.1 网格概述 |
15 |
|
2.1.2 Globus项目 |
15-19 |
|
2.2 移动Agent |
19-23 |
|
2.2.1 移动Agent概述 |
19-20 |
|
2.2.2 JADE框架 |
20-23 |
|
3 网格负载平衡理论 |
23-34 |
|
3.1 网格负载平衡理论基础 |
23-25 |
|
3.1.1 负载平衡方法的分类 |
24 |
|
3.1.2 负载平衡的策略 |
24-25 |
|
3.2 网格负载平衡关键问题分析 |
25-31 |
|
3.2.1 负载指标的选择 |
25-26 |
|
3.2.2 负载信息的收集方式 |
26-27 |
|
3.2.3 负载信息的管理 |
27-28 |
|
3.2.4 负载状态的判定 |
28-29 |
|
3.2.5 负载平衡发起策略 |
29-30 |
|
3.2.6 选择目标主机 |
30-31 |
|
3.3 自适应网格负载平衡算法 |
31-34 |
|
3.3.1 定义 |
31-32 |
|
3.3.2 算法描述 |
32-33 |
|
3.3.3 自适应网格负载平衡算法 |
33-34 |
|
4 网格动态负载平衡框架 |
34-49 |
|
4.1 网格动态负载平衡框架DLBFG |
34-35 |
|
4.2 DLBFG的构成 |
35-37 |
|
4.2.1 网格 |
35-36 |
|
4.2.2 移动Agent |
36-37 |
|
4.3 DLBFG的关键模块 |
37-45 |
|
4.3.1 负载信息管理模块 |
37-42 |
|
4.3.2 任务分配Agent |
42-43 |
|
4.3.3 作业Agent |
43-44 |
|
4.3.4 迁移通知Agent |
44-45 |
|
4.4 负载迁移的两种方式 |
45-47 |
|
4.5 负载平衡的三个时机 |
47-49 |
|
5 基于DLBFG的交通流预测 |
49-59 |
|
5.1 基于网格的交通流预测负载平衡问题 |
49 |
|
5.2 神经网络训练和预测相分离的交通流预测方法 |
49 |
|
5.3 基于DLBFG的交通流预测 |
49-53 |
|
5.3.1 神经网络训练 |
50-52 |
|
5.3.2 交通流预测 |
52-53 |
|
5.4 运行结果分析 |
53-59 |
|
5.4.1 基于DLBFG的预测与训练实验 |
53-57 |
|
5.4.2 大规模路网交通流预测实验 |
57-59 |
|
结论 |
59-60 |
|
参考文献 |
60-63 |
|
攻读硕士学位期间发表学术论文情况 |
63-64 |
|
致谢 |
64-65 |
|
大连理工大学学位论文版权使用授权书 |
65 |
|
| 【DOI】 | LunWen.ID:2.2008.388330 |
