改进的量子粒子群优化算法及应用于预测网络流量的方法技术

本发明专利技术公开了改进的量子粒子群优化算法及应用于预测网络流量的方法。其中，该方法包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，收缩扩张系数服从随机分布；根据收缩扩张系数更新粒子的位置。本发明专利技术解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

Improved quantum behaved particle swarm optimization algorithm and its application in predicting network traffic

The invention discloses an improved quantum particle swarm optimization algorithm and a method for predicting network traffic. In this method, the contraction expansion coefficient is randomly generated by the aggregation degree of the particle group, in which the aggregation degree of the particle swarm is the similarity and convergence between particles in the particle group, and the contraction expansion coefficient obeys the random distribution, and the position of the particles is updated according to the contraction expansion coefficient. The invention solves the problem of premature convergence when dealing with complex problems. In the later period of the iteration of the algorithm, the particle diversity rapidly decreases and the convergence speed is slow.

【技术实现步骤摘要】
改进的量子粒子群优化算法及应用于预测网络流量的方法
本专利技术涉及预测网络流量领域，具体而言，涉及一种改进的量子粒子群优化算法及应用于预测网络流量的方法。
技术介绍
目前，现有技术在金融领域中有利用金融时间序列预测的量子粒子群优化递归神经网络方法，具体是首先应用混沌和相空间重构理论，通过饱和关联维(G-P)方法计算混沌金融时间序列吸引子维度，确定神经网络网络RPNN的结构，然后通过量子粒子群优化QPSO算法对递归神经网络RPNN训练、最后确定网络的动态最优权值和阈值，使RPNN神经网络仿真预测值与实际值达到最小误差精度，所以现有技术中没有在网络流量预测领域应用量子粒子群算法优化的神经网络进行预测的方法。现有技术中的量子粒子群算法的算法如下：基本思想是通过群体中个体之间的协作和信息共享来达到寻优的目的。在寻优过程中，个体根据自己的个体最优位置(Pbest)和整个种群的全局最优位置(Gbest)来更新自己的位置，从而聚集收敛于全局最优值。粒子位置更新公式为：X(t+1)＝p(t)±β|m(t)-X(t)|·ln(1/u)，其中：p(t)＝θ·Pbest(t)+(1-θ)Gbest(t)；本文档来自技高网...

【技术保护点】
一种改进量子粒子群算法的方法，其特征在于，包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，所述粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，所述收缩扩张系数服从随机分布；根据所述收缩扩张系数更新粒子的位置。

【技术特征摘要】
1.一种改进量子粒子群算法的方法，其特征在于，包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，所述粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，所述收缩扩张系数服从随机分布；根据所述收缩扩张系数更新粒子的位置。2.根据权利要求1所述的方法，其特征在于，包括：根据公式β＝1+α×A(t)，α∈(0,1)对收缩-扩张系数进行计算，其中，β代表收缩-扩张系数，A(t)代表粒子群的聚集度的函数。3.根据权利要求1或2所述的方法，其特征在于，包括：粒子群的聚集度根据公式A(t)＝∑Sim/N计算得到，其中，A(t)代表粒子群的聚集度，Sim是相似度系数；N是粒子总数。4.一种改进的量子粒子群算法的应用，其特征在于，包括：所述改进的量子粒子群算法应用于神经网络的优化。5.一种基于改进的量子粒子群优化神经网络的流量预测方法，其特征在于，包括：获取数据，其中，所述数据是网络流量数据；利用离散小波变换将所述数据分解为低频流量数据和高频流量数据；分别使用所述低频流量数据和所述高频流量数据训练神经网络；，其中，所述神经网络是利用改进的量子粒子群算法来计算权值和阈值的神经网络算法；通过训练后的神经网络来预测网络流量。6.根据权利要求...

【专利技术属性】
技术研发人员：于尧，郭磊，滕飞，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21