1.基于双目标优化的服务器负载均衡方法，包括以下步骤：S1.确定一次请求分配过程中处理服务器的个数，根据时间节点中并发请求的数量采用滑动窗口获取任务请求的个数；

S2.获取服务器的实时状态信息包括量化集群中节点服务器的综合处理能力和任务请求到来时刻各服务器的资源使用量；服务器的综合处理能力与cpu频率、内存容量、网络带宽和磁盘读写速度有着直接的关系，表示成：P＝α1*pcpu+α2*pmemory+α3*pband+α4*pI/O  (1)式中，αi表示各参数对服务器处理能力的影响权重，满足于 与服务器的配置信息有着直接的联系，权重越大说明该参数对服务器性能的影响更显著；

服务器的资源使用量与cpu频率、内存容量、网络带宽和磁盘读写速度也是密切相关的，线性表示成：C＝β1*ccpu+β2*cmemory+β3*cband+β4*cI/O  (2)式中，βi表示各参数对服务器处理能力的影响权重，满足于 参数大小与αi一致；

S3.采用0‑1矩阵对任务请求与处理服务器之间的关系进行编码，通过一个矩阵来表示：在一组分配任务中，编码矩阵中的一行代表一个任务，所在元素为1的位置表示服务器的所在序号；

S4.构造集群负载请求分配优化问题的目标函数，表示成：式中，t(Sj)表示每台处理服务器完成一组任务分配所耗费的时间，其中j∈[1,n]，表示集群中处理服务器的标号；σ表示一组分配任务请求中服务器的处理时间差异，可以通过以下表示：其中， 表示的是集群中每台服务器的平均任务完成时间；σ表示集群中各服务器处理时间的方差，σ数值越小越好；约束条件可以表示成：式中， 表示编码矩阵D中的每一行元素之和，di*j取值只能为0或1，当di*j为1时表示任务请求在所选的节点服务器进行被处理；又因同一组任务中，每个任务有且仅能选择一台处理服务器，所以在编码矩阵中的行向量中，至多存在一个元素为1； 表示节点服务器的资源剩余量；监控节点服务器的资源信息，当资源使用率小于某个阈值c时能够说明该节点服务器能够接受更多的任务请求；

S5.使用布谷鸟搜索算法对提出的问题进行迭代优化求解，输出编码解集；将集群中的任务调度问题转化成鸟群迭代寻找最优鸟巢位置进行孵卵的过程，包括以下几个部分：①设置鸟巢寻优的初始参数，包括鸟巢的个数、最优迭代次数、以及布谷鸟发现外来鸟蛋的概率pa，确定适应度函数为目标函数；

②初始化鸟群；

采用随机的方式生成数量为N的初始鸟群D_cell,表示成：D_cell＝[D1,D2,D3,…,DN‑1,DN]，其中每一个编码矩阵都代表一个调度方案；

③计算适应度值；

通过采集到服务器的参数进行量化处理服务器的综合处理能力和负载信息，计算适应度函数值，更新初始鸟群；

④鸟群迭代；当未满足最大迭代次数时便开始进行种群的迭代以找到较优的鸟巢位置；

⑤采用改进莱维飞行的方式更新鸟巢的位置；

在布谷鸟群体生活中，布谷鸟寻找合适产卵鸟巢的方式是随机的，但服从一种特殊的移动轨迹，即在一定短时间移动距离较短，长时间内出现一次移动距离较长的情况，服从莱维分布，表达式为：‑λ

式中，L(λ)～u＝t ，u为移动步长，1<λ≤3；

⑥引入动态参数β对步长进行适度调整，β可表示成：

β＝θ(IterMAX‑t)+β0 (7)

式中，IterMAX表示算法设置的最大迭代次数，t表示当前的迭代次数，θ表示的是变化幅度；β0控制步长不为0；其中θ和β0是由求解问题规模的大小决定的；继而得到新的表达式为：⑦对比当代鸟巢与上一代鸟巢的位置，得到较优的鸟巢Dbest；

⑧通过发现概率pa进行筛选鸟群；若满足(0,1)的随机数r>pa，则对Dbest进行再一次的随机寻优，得到较优的鸟巢；

⑨循环迭代终止；当达到迭代次数时，停止迭代，输出较优全局最优的鸟巢位置，否则从步骤④开始，继续迭代；

S6.输出合适的编码方案；优化结果中最优适应度函数值存在一个pareto解集，每一个Fitbest会对应一个编码方案；

S7.对方案进行解码，找到最终的任务请求与处理服务器之间的关系，调度机制会随机选择一个编码方案进行任务调度。

2.如权利要求1所述的基于双目标优化的服务器负载均衡方法，其特征在于：步骤S2中设α1～α4取值分别为0.5，0.2，0.2和0.1。