技术特征：
1.基于文件类型的云负载均衡混合模型,其特征在于，包括以下步骤，s1：使用支持向量机对云中的文件进行分类；s2：将支持向量机的分类结果输入到蚁群优化算法中，并在蚁群优化算法中采用多目标方式优化云平台负载均衡性能。2.如权利要求1所述的基于文件类型的云负载均衡混合模型,所述步骤s1包括，s11对支持向量机引入核函数，将原始数据空间转化为包含点积变换函数的高维空间，核函数如下：核函数如下：f()是svm函数，表示非线性函数，u
i
表示支持向量，α
i
表示拉格朗日乘子，u
j
表示成员类标签，i,j表示节点的编号，n表示节点总数，c表示截距；s12采用以下多项式核函数使数据线性可分，s(x,y)＝((x
t
y+1))
d
x是输入向量，y是成员类标签，t表示转秩，d是多项式次,多项式次数根据学习算法进行选择。3.如权利要求1所述的基于文件类型的云负载均衡混合模型,所述步骤s2包括，s21以无向加权图的形式表示虚拟机网络，虚拟机网络表示成一个无向图g＝(v,e)，v代表虚拟机或节点，e表示具有信息素权重的无向边，信息素权重表示两个节点之间的过载和欠载强度，并以信息素的形式更新；s22初始化信息素，设定初始信息素为0.1，初始信息素值位于两个节点vmi和vmj之间，在第一次迭代之后，信息素被全局更新，vmi表示第i个节点，vmj表示第j个节点；s23计算概率，蚂蚁k通过如下公式计算穿过边缘的概率来决定从当前节点vmi移动到下一个节点vmj，n表示蚂蚁k的邻居数量，从节点i到节点j的概率取决于两个参数τ
ij
和η
ij
，τ
ij
表示信息素，η
ij
表示从节点i到节点j移动的可能性，α和β为用于控制τ
ij
和η
ij
之间的影响的参数；s24采用以下公式更新局部信息素，τ
ij
表示节点i到节点j的信息素，当每只蚂蚁穿过一条边缘ij时，ρ是恒定的信息素蒸发系数，是边缘ij上的初始信息素；
s25更新全局信息素，采用以下公式计算全局信息素，m表示蚂蚁数量，是蚂蚁k在一次迭代中在ij边上沉积的信息素，l
k
是蚂蚁k建立的轨迹t
i
的长度；s26值采用以下公式计算：值采用以下公式计算：值采用以下公式计算：t
i
表示在机器m
j
上运行的任务i；s27使用上式计算完成时间，starttime
i
是随机分配任务i的时间，是在机器j上完成任务i的估计时间。
技术总结
本发明提供基于文件类型的云负载均衡混合模型,包括以下步骤，S1：使用支持向量机对云中的文件进行分类；S2：将支持向量机的分类结果输入到蚁群优化算法中，并在蚁群优化算法中采用多目标方式优化云平台负载均衡性能。本发明优于现有的负载均衡方法，在云平台上具有显著的鲁棒性和可靠性。著的鲁棒性和可靠性。著的鲁棒性和可靠性。
技术研发人员：赵哲锋 徐琛 梁雄伟 张鑫 杨光
受保护的技术使用者：丝路信息港云计算科技有限公司
技术研发日：2021.09.30
技术公布日：2021/12/30