基于量子自适应粒子群优化径向基函数神经网络的网络流量预测

被引：31

作者：

郭通

兰巨龙

李玉峰

江逸茗

机构：

[1] 国家数字交换系统工程技术研究中心

来源：

电子与信息学报 | 2013年 / 35卷 / 09期

关键词：

径向基函数神经网络; 自适应粒子群优化; 量子比特; 流量预测;

D O I：

暂无

中图分类号：

TP393.06 []; TP183 [人工神经网络与计算];

学科分类号：

081201 ; 1201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法,并且预测效果不易受时间尺度变化的影响。

引用

页码：2220 / 2226

页数：7

共 6 条

[1] 基于RBF神经网络的网络流量建模及预测 [J].

王俊松 ;

高志伟 .

计算机工程与应用 , 2008, (13) :6-7+11

[2] 求解连续空间优化问题的量子粒子群算法 [J].

李士勇 ;

李盼池 .

量子电子学报, 2007, (05) :569-574

[3] 结合多重分形的网络流量非线性预测 [J].

王升辉 ;

裘正定 .

通信学报, 2007, (02) :45-50+57

[4]

An Improved Particle Swarm Optimization for Solving Bilevel Multiobjective Programming Problem[J] . Tao Zhang,Tiesong Hu,Yue Zheng,Xuning Guo,Debasish Roy.Journal of Applied Mathematics . 2012

[5]

A Forecasting Model of RBF Neural Network Based on Particle Swarm Optimization[J] . Pan Yu Min,Huang Cheng Yu,Zhang Quan Zhu.Applied Mechanics and Materials . 2011 (65)

[6]

An efficient hybrid approach based on PSO, ACO and k -means for cluster analysis[J] . Taher Niknam,Babak Amiri.Applied Soft Computing Journal . 2009 (1)

← 1 →