量子遗传算法优化BP神经网络的网络流量预测

来源：计算机工程与科学杂志2016年第1期北京时间：

作者：张立仿，张喜平

单位：（河南师范大学网络中心，河南 新乡 453007）

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,

基金资助：河南省基础与前沿技术研究计划（112300410240）