量子遗传算法优化BP神经网络的网络流量预测

• 作者: 张喜平 张立仿
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 网络流量预测 量子遗传算法 BP神经网络 移民操作 K均值聚类算法
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 114-119
• 页数: 6页
• 分类号: TP393
• 字数: 6023字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.01.019

摘要

为了提高网络流量的预测精度,提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型.在确定了神经网络的结构后,采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化.该模型利用K均值聚类算法将种群划分成若干子种群,多个子种群分别进化以保持种群的多样性.子种群间通过移民操作进行信息交互,减小了算法陷入局部最优的概率.同时采用一种自适应的量子旋转门调整策略加快算法的收敛速度.仿真结果表明,相较传统方法,该模型在网络流量预测方面具有收敛速度快、预测精度高的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立仿	河南师范大学网络中心	5	53	3.0	5.0
2	张喜平	河南师范大学网络中心	9	53	3.0	7.0