[发明专利]一种基于正余混沌双弦鲸鱼优化算法的云资源负载预测方法

权利要求书

1.一种基于正余混沌双弦鲸鱼优化算法的云资源负载预测方法，其特征在于，所述方法包括以下步骤：

1.通过小波包分解方法对云计算资源负载数据的时间序列进行预处理；

2.通过正余弦机制改进鲸鱼算法；

3.使用所述改进鲸鱼算法优化神经网络；

4.使用所述神经网络建立预测模型，并在所述预测模型中输入所述预处理后的时间序列数据进行所述云资源负载预测。

2.如权利要求1所述的预测方法，其特征在于，所述通过正余弦机制改进鲸鱼算法具体包括：

在鲸鱼算法中引入正余双弦机制和混沌算子来控制种群个体的运动区域，提高算法跳出局部最优的能力，其计算分别如式(4)和(5)所示：

在式(4)的正弦混沌螺线捕食运动中，人工鲸鱼以随机种群个体X_rand为导航坐标，做正弦对数螺线运动，全局搜索捕获食物，维持种群的多样性，避免个体聚拢寻优，陷入局部最优解；同时通过式(5)的余弦混沌螺线捕食运动，以最优个体X_best为导航坐标，提高寻优定位的速度；其中,参数r₃为[0,2]区间上的随机数，用于控制随机个体X_rand和最优个体X_best与当前个体X距离远近程度的影响；而参数r₁的作用是控制正弦全局搜索和余弦局部开发的区域范围，其计算如式(6)所示。式(6)中，a是常数，t为当前迭代次数，T为总迭代次数，r₁随着迭代次数的增加而自适应减少，缩小人工鲸鱼正余双弦的寻优区域范围，最终使算法收敛于同一个最优解中，保证了其收敛性；

参数r₂是基于立方混沌映射的优化算子，相对于一般的混沌算子序列，它具有较好的均衡遍历性以及收敛效率，其计算如式(7)所示。式(7)通过混沌映射自身的随机性和遍历性，自适应地调整种群个体的变异程度，增强人工鲸鱼在正余双弦寻优时跳出局部最优解的能力：

3.如权利要求2所述的预测方法，其特征在于，所述使用所述改进鲸鱼算法优化神经网络具体包括：

使用三层结构的MLP神经网络，其输入层的节点数为n，隐藏层层数为1，其节点数为h，阈值和权值分别为θ、ω，人工鲸鱼个体编码为W_i＝1,...,N＝{ω₁₁,ω₁₂,...,ω_nn,θ₁,θ₂,...,θ_h}；衡量人工鲸鱼种群中每只个体的适应度值fobj的计算如式(8)所示：

其中，m是输出层的节点数，o是MLP神经网络的实际输出值，d则为其期望输出值，S是训练样本总数。

4.如权利要求3所述的预测方法，其特征在于，所述云资源负载预测具体包括：通过所述预处理将所述时间序列转化成完整的频域分析子序列，然后通过所述预测模型处理各子序列，获取实际预测结果。