基于改进量子粒子群优化小波神经网络网络流量预测.pdfVIP

网络出版时间：2014-11-24 09:24 网络出版地址：/kcms/detail/51.1196.TP0924.012.html 优先出版 计 算 机 应 用 研 究 第32 卷 基于改进的量子粒子群优化小波神经网络的网络流量预测 孟 飞，兰巨龙，胡宇翔 ( 国家数字交换系统工程技术研究中心，郑州 450002) 摘 要：为了改善小波神经网络 （WNN）进行流量预测的性能及避免量子粒子群算法 （QPSO）搜索后期的早熟收敛缺 陷，提出了一种改进的QPSO。该算法定义粒子群聚拢度，改进收缩-扩张系数使其表示为聚拢度的函数并服从随机分布， 以使粒子群具有动态自适应性，避免陷入局部最优，并通过搜索使用WNN 待优化参数编码位置向量的粒子群的全局最 优位置来实现目标参数的优化，使用本算法优化WNN 参数，建立了基于改进的QPSO 优化WNN 的网络流量预测模型。 使用真实网络流量通过两组对比实验对其预测精度进行验证，证明了该方法的可用性。实验结果表明，该方法的预测精 度优于WNN 方法和QPSO-WNN 方法。 关键词：小波神经网络；量子粒子群优化；聚拢度；流量预测；收缩-扩张系数 中图分类号：TP393.0 文献标志码：A Internet traffic forecasting based on wavelet neural network optimized by improved quantum-behaved particle swarm optimization MENG Fei, LAN Ju-long, HU Yu-xiang (National Digital Switching System Engineering Technological Research Center, Zhengzhou 450002, China) Abstract: To improve the performance of Wavelet Neural Network (WNN) model in forecasting network traffic, as well as to avoid the shortcomings of premature convergence of Quantum-behaved Particle Swarm Optimization (QPSO) algorithm, this paper proposed a novel Improved Quantum-behaved Particle Swarm Optimization (IQPSO) method. This method defined particle gathering degree and improved contraction-expansion coefficient, which is subject to stochastic distribution, to be expressed as the function of particle gathering degree to make swarm have self-adaption, avoiding falling into local optimum. And by searching for the global best particle, it optimize