蚁群优化神经网络的网络流量混沌预测.pdfVIP

Computer Engineering and Applications 计算机工程与应用 2012 ，48 （34） 97 蚁群优化神经网络的网络流量混沌预测 吴文铁，宋曰聪，李 敏 WU Wentie, SONG Yuecong, LI Min 绵阳师范学院 数学与计算机科学学院，四川 绵阳 621000 Department of Mathematics and Computer Science, Mianyang Normal University, Mianyang, Sichuan 621000, China WU Wentie, SONG Yuecong, LI Min. Chaotic prediction of network traffic based on neural network opti- mized by ant colony optimization algorithm. Computer Engineering and Applications, 2012, 48 （34 ）：97-101. Abstract ：In order to improve the prediction accuracy of network traffic, this paper proposes a network traffic pre- diction model based on neural network optimized by ant colony optimization algorithm （ACO-BPNN ）. The data of network traffic are reconstructed by chaotic theory. The parameters of BPNN are considered the position vector of ants. The optimal parameters are found by ant colony optimization algorithm. The optimal model for network traffic is built and the performance of mode are tested by network traffic data. The simulation results show that ACO-PBNN can describe the change rule of network traffic accurately and can improve prediction accuracy. Key words ：network traffic; ant colony optimization algorithm; BP neural network; chaotic prediction 摘 要：为了网络流量预测准确性，提出一种蚁群算法（ACO ）优化BP 神经网络（BPNN ）的网络流量混沌预测 模型（ACO-BPNN ）。对网络流量时间序列进行重构，将BPNN 参数作为蚂蚁的位置向量，通过蚁群信息交流 和相互协作找到BPNN 最优参数，建立网络流量最优预测模型，并采用实测网络流量数据进行有效性验证。结 果表明，ACO-BPNN 能够准确刻画网络流量变化特性，提高网络流量的预测准确性。 关键词：网络流量；蚁群优化算法；BP 神经网络；混沌预测 文献标识码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1207-0348 [5-6] 随着网络技术迅速发展和网络规模日趋庞大， 力，在网络流量预测中得到了广泛的应用 。尤其 网络信息流动日益频繁，网络管理任务越来越繁重， 是BP 神经网络可以寻找一种非线性函数来逼近嵌入 网络流量控制是网络管理和拥塞控制的基础，网络 空间吸引子轨迹状态的映射关系，使其在网络流量 流量的建模和预测可提高网络性能和服务质量，因 预测方面有特定的优势，但是BP 神经网络初始的权 [1] 此成为当前研究的热点 。