基于遗传算法和支持向量回归的网格资源预测

【摘要】： 网格能选择、共享和聚合地理上分布的异构资源求解大规模的科学、工程和商业问题。在网格环境下,网格资源预测对于网格的任务调度具有重要意义。本文提出一个遗传支持向量回归机的模型来进行网格资源预测。由于支持向量回归机参数难以确定,该模型应用遗传算法进行最优参数的自动选择。但遗传算法有很多种。本文比较几种流行的遗传算法用于优化支持向量机的性能。并且针对一种遗传是算法无法处理带边界的搜索问题提出了改进使其可以很好地处理边界问题。本文进行了网格资源预测的仿真实验。为了使结果具有可比较性和通用性,实验中使用标准数据集。实验结果表明遗传支持向量回归机模型与传统的试验法确定参数的支持向量回归机模型和前馈神经网络模型相比具有更优的预测性能。而参加比较的几种流行遗传算法,本文提出的改进的遗传算法具有最优的支持向量机参数选择功能。