基于多策略粒子群優(yōu)化RBF的云資源預(yù)測模型

摘要： 針對云計算資源利用率低等問題，構(gòu)建基于多策略粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的云資源預(yù)測模型(MPSO-RBF)。采用改進(jìn)的粒子群算法對RBF神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，避免隨機(jī)初始化參數(shù)引起的預(yù)測精度低等問題；對于粒子群容易陷入局部最優(yōu)解等問題，采用動態(tài)慣性權(quán)重、自適應(yīng)學(xué)習(xí)因子和變異粒子位置3種策略對粒子群進(jìn)行改進(jìn)，提高算法的尋優(yōu)能力?；谠朴嬎阗Y源負(fù)載數(shù)據(jù)，將該模型與BP、RBF和PSO...