基于LMD改进GPR优化的网络流量预测

摘要：

针对蚁群算法容易陷入局部最优、网络流量预测准确性不高的问题,提出一种基于局部均值分解(LMD)改进蚁群优化高斯过程回归(GPR)的预测算法.考虑到网络流量的复杂性,使用LMD将网络流量分解成多个相关的子序列;通过GPR对网络流量子序列进行建模分析;用蚁群算法优化超参数,引入视线角度参数控制蚂蚁搜索时的视线范围,提高蚂蚁的局部搜索能力;通过莱维飞行更新蚂蚁搜索的步长,提高蚁群算法搜索的全局性.实验表明,改进后的蚁群算法搜索到了更优的值,与原有GPR算法相比,LMD分解后改进蚁群优化GPR的算法来预测网络流量,更好地拟合了网络流量的走向,提高了预测的效果,对维护网络安全具有一定的作用.

关键词：LMD、高斯过程回归、蚁群算法、视线、莱维飞行、网络流量

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：广西自然科学基金项目;广西高校中青年教师科研基础能力提升项目;赛尔网络下一代互联网技术创新项目

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：236-241