10.3778/j.issn.1002-8331.1309-0490
基于AHP-RBF的Swift云存储负载预测
通过对Swift云存储中Proxy Node的负载因素研究,提出结合层次分析法(AHP)和混合递阶遗传训练的RBF神经网络实现对Swift云存储负载情况的预测,其中使用AHP构造对云存储系统的负载层次化模式,提高负载预测的综合精度,设计了RBF神经网络预测模型,用混合递阶遗传算法(HHGA)确定RBF神经网络的参数和结构。仿真实验结果表明,对Swift云存储负载的预测具有可行性,能为系统动态负载均衡决策提供依据。
Swift、混合递阶遗传算法、径向基函数(RBF)神经网络、层次分析法、负载
TP39(计算技术、计算机技术)
国家自然科学基金No.61001143。
2014-04-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
35-39