遗传算法优化BP神经网络实现自相似流量预测

沈阳理工大学 刘英娜 沈阳开放大学 李琳琳 沈阳理工大学 刘立士

近年来计算机网络技术在飞速的进步和发展，互联网越来越受人们依赖，网络拥塞现象也越来越严重，网络拥塞会降低网络的传输性能，进而导致传输时延增多、数据的丢失、以及吞吐量减少等问题，因此，为了保证信息传输的效率和准确度，以及为信息提供更加安全的传输环境，解决网络拥塞问题是必然的。

网络流量具有自相似性，根据此特性，本文建立了遗传算法优化BP神经网络的模型来对自相似流量进行预测，以解决网络拥塞的问题，提高网络性能。但BP神经网络对于自相似流量的预测具有一定的局限性，且收敛速度随着网络训练样本数的提高而降低，针对这一问题，引入遗传算法，遗传算法具有很好的寻优能力，可对BP神经网络进行优化处理，通过对自相似流量的训练和测试来达到对其预测的目的。通过对比和分析，遗传算法进行优化后的BP神经网络流量预测模型具有更高的精确性和更强的适应性。将流量预测结果引入队列管理算法中，根据自相似流量的预测结果对网络进行合理的规划，可达到缓解网络拥塞的目的，进而使网络的传输速率提高。

1 自相似流量的特性及预测模型

自相似性指整体与其局部在结构形态上相似。网络流量的自相似性在1994年首次被提出，之后有大量学者对其进行研究。研究发现，不管网络是哪种服务类型，不管其拓扑结构如何，都可以在网络流量中检测到自相似性。……