随着信息时代的高速发展,互联网已成为人们工作与生活中不可缺少的部分。国内外互联网环境表现为：第一,网民基数大并呈上升趋势；第二,网络访问量大；第三,依附于互联网上的大型商务活动将趋向于普遍。提供最佳的Web服务的方法是建立Web服务器集群,而Web服务器集群核心是负载均衡的调度策略。本文研究的目的是在上述环境下,缩短请求响应时间,使Web服务器集群较好地提供高可用高扩展性服务。提出基于动态信息反馈负载均衡,人工神经网络与遗传算法三者结合而成的负载均衡分配策略,并基于新分配策略设计与实现了负载均衡系统。主要研究内容如下：第一,研究基于动态信息反馈策略,对周期收集的各节点信息,采用可靠因子计算集群综合平均指标,基于平均指标修正分配比例,进行请求分发。第二,研究人工神经网络在动态反馈策略的应用,基于动态反馈数据,详述神经网络的设计,当节点数目大时采用CPU利用率、内存利用率、磁盘读写率、连接率四个指标综合量作为输入,采用动态学习率,进行人工神经网络训练。第三,研究遗传算法在动态调度策略的应用。基于集群全局节点负载均衡为目标函数。以人工神经神经网络输出权重作为遗传算法初始值,达到权重修正效果,得到全局最优的权重分配策略。第四,基于前三者结合的策略与中心处理模型,详细地论述了负载均衡系统的设计与实现过程,即对接收、分发、分类、策略、信息收集、调度和监控模块的设计与实现。其中策略模块采用策略与单例模式设计,运用joone与jgap实现；信息交换模块采用Sigar实现；监控器采用MVC模式设计,结合Ajax与jFreet技术实现。最后,构建测试环境,利用Jmeter模拟多用户并发测试,并对负载均衡系统进行性能的压力测试。结论表明,在本文构建的实验环境下,运用本文所述的策略优于轮换调度策略。这些内容对集群系统中相关研究有一定的参考价值,具有一定的借鉴意义。