1.一种基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于包括以下步骤：
S1、对于包含应用层、控制层和数据层的软件定义网络SDN，构建麻雀搜索算法：
S11、将麻雀个体分为探索者和追随者，探索者搜索食物并为整个麻雀种群提供觅食区域和方向，追随者追随探索者以此获取食物；
S12、开始迭代，判断种群当前位置是否安全，并更新探索者的位置；
S13、判断追随者的状态，并对追随者的位置进行更新；
S14、判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置；
S15、获得最佳位置和最佳适应度值，并判断是否终止迭代，如终止迭代，输出最终的最佳位置和最佳适应度值；
S2、基于S1中的麻雀搜索算法，进行SDN负载均衡：
S21、SDN网络通信链路的数目为k，将k作为麻雀种群的个体数量；
S22、以链路的带宽使用率作为麻雀的位置坐标，以SDN网络的负载均衡为目标设计适应度函数；
S23、依据麻雀种群的规模进行初始化；
S24、在SDN网络中，结合S1的麻雀搜索算法，划分探索者和追随者，更新探索者和追随者的位置，并获得最终输出的最佳位置和最佳适应度值，即为最佳的SDN负载均衡分配方案；
S25、将SDN网络引入大容量高并发系统中，从而实现了大容量高并发系统的负载均衡。
2.根据权利要求1所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S12中，在每次迭代过程中，判断种群当前位置是否安全，并更新探索者的位置的方式为：
式中，中 为第i个麻雀在第j维的个体位置；t为当前迭代次数；itermax为最大迭代次数；γ是(0,1]内的一个随机数；R2和ST分别代表预警值和安全值，其中R2∈[0,1]，ST∈[0.5,1]；Q是服从正态分布的随机数；L是一个每个元素都为1的1×d矩阵；
当R23.根据权利要求2所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S13中，判断追随者的状态，并对追随者的位置进行更新的方式为：
式中，XP为最优探索者的位置；Xworst为当前全局最差位置；n是种群规模；A是一个1×d+ T T ‑1
的矩阵，其中每个元素随机赋值为1或‑1，并且A＝A (AA) ；当i＞n/2时，表示适应度值较低的第i个追随者未获得食物，处于饥饿状态。
4.根据权利要求3所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S14中，判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置的方式为，当种群中的10％‑20％的个体意识到危险时，其位置更新方式为：
式中， 是当前全局最优位置；γ为步长控制参数，是一个服从标准正态分布的随机数；f是适应度值，fg、fw分别为当前最优适应度值和当前最差适应度值；K是[‑1,1]内的一个随机数，ε是为了避免分母为0而加的一个任意无限小常数；
当fi5.根据权利要求4所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S22中，设计的适应度函数为：
f＝αf1+βf2(α+β＝1)    (4)；
其中：
式中，函数f1表示所有链路负载差值平方的和，f2表示所有链路的负载和整个网络的平均负载差值平方的和；α和β分别是f1和f2的系数，分别表示f1、f2对适应值的贡献程度，α+β＝1，li、lj分别代表链路i、j的负载，lmeam是整个网络的平均负载。
6.根据权利要求5所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S23中，初始化的参数包括：麻雀种群数量、探索者所占比例、麻雀个体的位置、所需迭代次数。
7.根据权利要求6所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S24中，在SDN网络与麻雀搜索算法的结合中，通过式(1)计算出一个随机的方向向量，通过监测SDN网络中的安全情况，判断是否有其他麻雀个体发现了潜在的捕食者，判断方法为比较当前位置附近是否有其他麻雀发出警报，即通过式(1)中的R2和ST进行判断；
根据捕食者的存在调整探索者的行为：如果没有捕食者的存在，表示探索者可以全局搜索，根据式(1)中的方向向量直接进行位置更新；如果有其他麻雀个体发现了潜在的捕食者，探索者需要迅速做出反应；在这种情况下，探索者向其他安全地点迁徙，以避免潜在的危险，通过在当前位置加上一个动态调整的步长来完成迁徙，即为步长控制参数γ，位置更新通过式(2)和式(3)实现；
探索者在更新位置时结合了随机性和动态调整，使得其能够在SDN网络中灵活适应不同负载情况，同时对潜在的危险做出了及时的反应。
8.根据权利要求7所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S24中，在SDN网络与麻雀搜索算法的结合中，通过与其他麻雀个体的相对位置、周围环境的拓扑结构和当前链路的负载情况，针对每个麻雀个体，评估其当前位置的安全度，当评估结果显示当前位置不安全时，麻雀个体根据当前全局最优位置和最优探索者的位置进行调整；
进行位置调整后，重新评估新位置的安全度，如果新位置依然被认为是不安全的，继续进行调整，直至满足终止条件，或者达到最大迭代次数；
通过位置更新，麻雀个体能够根据当前情况主动调整位置，使得整个种群更好地适应SDN网络中的动态负载情况，并且在危险情况下能够迅速避开潜在的威胁。