量子遗传算法优化BP神经网络的网络流量预测

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.

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

所属期刊栏目：38

分类号：TP393(计算技术、计算机技术)

资助基金：河南省基础与前沿技术研究计划112300410240

在线出版日期：2016-02-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119