文献类型：期刊文章

作　　者：张立仿[1] 张喜平[1]

机构地区：[1]河南师范大学网络中心,河南新乡453007

出　　处：《计算机工程与科学》

基　　金：河南省基础与前沿技术研究计划(112300410240)

年　　份：2016

卷　　号：38

期　　号：1

起止页码：114-119

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、INSPEC、ZGKJHX、核心刊

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

分 类 号：TP393]