10.16208/j.issn1000-7024.2023.04.016
基于多策略粒子群优化RBF的云资源预测模型
针对云计算资源利用率低等问题,构建基于多策略粒子群优化RBF神经网络的云资源预测模型(MPSO-RBF).采用改进的粒子群算法对RBF神经网络参数进行优化,避免随机初始化参数引起的预测精度低等问题;对于粒子群容易陷入局部最优解等问题,采用动态惯性权重、自适应学习因子和变异粒子位置3种策略对粒子群进行改进,提高算法的寻优能力.基于云计算资源负载数据,将该模型与BP、RBF和PSO-RBF模型进行对比实验,验证了该模型具有良好的性能.
云计算、负载资源预测、粒子群算法、径向基神经网络、柯西分布、学习因子、惯性权重
44
TP391.3(计算技术、计算机技术)
中央引导地方科技发展基金项目202002038JC
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
1073-1080