基于改进的量子粒子群优化小波神经网络的网络流量预测

为了改善小波神经网络( WNN) 进行流量预测的性能及避免量子粒子群算法( QPSO) 搜索后期的早熟 收敛缺陷，提出了一种改进的 QPSO。该算法定义粒子群聚拢度，改进收缩—扩张系数使其表示为聚拢度的函数 并服从随机分布，以使粒子群具有动态自适应性，避免陷入局部最优， 并通过搜索使用 WNN 待优化参数编码位 置向量的粒子群的全局最优位置来实现目标参数的优化，使用本算法优化 WNN 参数， 建立了基于改进的 QPSO 优化 WNN 的网络流量预测模型。使用真实网络流量通过两组对比实验对其预测精度进行验证， 证明了该方法 的可用性。实验结果表明，该方法的预测精度优于 WNN 和 QPSO-WN