收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于模拟退火算法和支持向量回归的网格资源预测

李鹏超  
【摘要】: 上世纪90年代,互联网技术飞速发展并逐渐普及,推动了一种新的分布式计算系统的诞生——网格。网格一词来源于电力网格。网格的一个常用的定义是基于互联网的基础设施,地理上分布的聚集,并作为组合,解决大规模异构资源的问题。在网格环境,由不同的管理者实现对资源的提供和管理。网格资源随时间变化,这种变化将影响运行在网格上执行的任务。如果我们能够预测未来的网格资源信息,调度程序将能够更加有效的实现对网格资源的管理。 网格环境下对资源的分配与任务的调度是网格计算的基础性问题。而资源的可用性必定是网格计算的决定性的影响因素。在网格环境下,一般通过两种手段来获取网格资源的性能信息:网格资源监测和网格资源预测。主要目的进行网格资源监测:应用相应的监测手段,得到系统网格内各种资源的分布,状态,负载和出现的故障情况;网格资源预测其主要目的是对以往的监测数据进行建模和分析,通过对历史数据的分析了解网格系统内资源的变化规律和发展方向。监测功能能够提供历史数据和当前数据,而预测功能能够预测未来信息的变化情况,两者互为补充。 本文工作主要围绕网格资源的预测进行展开,通过对网格资源预测架构原理的学习,将支持向量回归模型引入到网格资源预测中来,通过对现有的典型模拟退火算法优化支持向量回归机的优化效果比较,实现改进模拟退火算法以提高其优化支持向量回归机的性能。 在网格资源监测和预测的研究过程中,许多有关的研究模型已经制定并在实践中产生了准确的预测结果。这些预测模型一般适用于未来的时间序列预测模型提供资源预测,其中大部份使用统计和人工智能的方法。 资源预测系统(RPS)是一个以网格资源的线性时间序列的过程建模网格资源预测系统。AR模型因为其良好的预测能力和低开销成为最佳资源预测模式。 网络气象服务(NWS)通过运用一个资源预测几种模型的组合实现了对一种资源的预测。网络气象服务模型通过动态的在多个模型中选择最近表现最好的模型作为最佳模型实现对未来资源的预测。但是这种应用的模型选择仅被限制在选择几个传统的统计预测模型之中。 随着人工神经网络的发展,人工神经网络已经被成功地运用到时间序列的资源预测之中。Eswaradass等人通过采用人工神经网络成功的实现了网格资源预测。实验结果表明,人工神经网络的方法提供了一个较新时间序列资源预测方法。然而,人工神经网络存在难以预先选择系统架构,花费更多的训练时间,和缺乏知识表示等诸多缺点。 1995年,普尼克提出应用支持向量机模型来进行资源预测的观点,实验结果表明,支持向量机模型在资源预测方面比人工神经网络能够取得更加理想的结果。支持向量机的解的稀疏性,解的唯一性和良好的泛化性,成为解决非线性问题的重要方法。本文从支持向量机思想、核函数原理、凸规划求解等方面讨论了支持向量回归的理论。支持向量机既能够成功和有效的解决分类问题也能够解决向量回归问题。然而,SVR的参数的确定是一个开放的问题,没有一般准则可供选择这些参数。 尽管支持向量回归机的预测性能对支持向量回归机的参数选择有着很强的依赖性。然而,目前并没有一种成熟的方法去选择一组比较理想的支持向量回归机参数。这也是制约支持向量回归机应用于更多预测领域的原因。反复试验法(trial and error)是一种比较常用参数确定的方法。但这种方法,耗时多,而且不稳定,所以对于动态网格资源预测来讲这种方法很难满足其要求。 模拟退火算法(SA)是一种有效的优化算法,并已成功地应用于各种NP难组合优化问题。因此,在本文的研究中,模拟退火算法是被采用来确定SVR模型的参数。 本文详细介绍了模拟退火算法的工作原理,模拟退火算法的特点。由于模拟退火算法有很多种,选取一种最适合的来进行支持向量回归机的优化是本文的一个重点。本文详细介绍了常用的两种典型的模拟退火算法: (1)快速模拟退火算法。(2)有记忆模拟退火算法。在应用前两种模拟退火算法优化支持向量机过程中,发现这两种算法有着一些不足之处,所以本文提出了一种改进两阶段模拟退火算法,改进后的模拟退火算法不但能够得到比较理想的优化参数,更有很好的时间效率。 本文同时详细介绍了模拟退火算法支持向量机的架构,工作原理。 模拟退火算法在数据实验中显示出较高性能,因此本文将利用模拟退火算法对支持向量预测模型进行参数优化。实验结果表明,SA算法具有较高的效率及良好收敛性,优化后的支持向量机在网格资源预测中具有较高精度,因此适用于网格资源监测预测系统。 为了实现精准的网格资源调度网格资源预测是至关重要的。在本文研究中,提出应用支持向量回归(SVR)一种新的有效的回归算法,应用到网格资源预测中来。为了建立一个有效的SVR的模型,SVR的参数,必须认真选择。因此,本文提出了模拟退火算法的SVR(SA-SVR)模型,此模型可以自动确定SVR的模型的最优参数,同时具有更高的资源预测精度和时效。 伴随着网格技术的不断发展和更新,新的网格框架的不断的涌现,导致网格体现出更多新的特性,同时也优化了网格性能。将网格与大型计算机相比较,网格成本相对更低,而且具有高于大型计算机的优良性能。所以,网格的发展在未来有更为广阔的发展前景。由于网格预测及监控模块已在OGSA规范中给出了定义,由此可以看出,GGF也非常重视网格的预测及监控。所以,有对网格预测及监控进一步进行研究的价值和意义。


知网文化
【相似文献】
中国期刊全文数据库 前10条
1 阎平凡;;玻兹曼机(Boltzmann Machine)与自适应模式识别[J];自动化学报;1988年06期
2 徐雷,王国印;用模拟退火法由部分采样点和幅谱重建离散有限时宽信号[J];电子学报;1990年04期
3 庄镇泉,王东生,王熙法;神经网络与神经计算机 第三讲 神经网络的学习算法[J];电子技术应用;1990年05期
4 姚新;陈国良;;模拟退火算法及其应用[J];计算机研究与发展;1990年07期
5 匡锦瑜,姚小燕;一种低信噪比图像的模拟退火恢复算法[J];计算机学报;1991年07期
6 邬长安;一种求解多处理机调度问题的新算法[J];信阳师范学院学报(自然科学版);1992年01期
7 孙雨耕,贺昌科,杨山;无向加权图的K点连通扩充算法[J];电子学报;1992年11期
8 汪涛,邢小良,庄新华,吴吟;噪声和纹理图象的自适应(Adaptive)分割[J];计算机学报;1992年08期
9 李艳,翁湘英;模拟退火优化算法及其在电子设备故障诊断中的应用[J];西北工业大学学报;1992年02期
10 羊国光;用于衍射光学元件优化设计的遗传算法及其与模拟退火算法的比较[J];光学学报;1993年07期
中国重要会议论文全文数据库 前10条
1 陈生昌;;非线性反问题反演方法比较及对策[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年
2 刘仲一;王旭辉;韩其玉;;利用神经网络实现确定性反褶积[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年
3 张金强;陈小宏;牟永光;;多次波压制的子波反演方法[A];1996年中国地球物理学会第十二届学术年会论文集[C];1996年
4 张繁昌;印兴耀;吴国忱;张广智;;用模拟退火的ANN技术进行多井约束反演及储层分析[A];1996年中国地球物理学会第十二届学术年会论文集[C];1996年
5 王彦春;段云卿;;地震数据聚类分析的模拟退火算法[A];1996年中国地球物理学会第十二届学术年会论文集[C];1996年
6 何展翔;;非地震勘探技术的最新发展[A];SEG第69届年会论文概要[C];1999年
7 Paulo M.Carvalho;Arthur B.Weglein;王友仁;;使用模拟退火算法为界面多次波衰减提供子波估计[A];美国勘探地球物理学家学会第64届年会论文集[C];1994年
8 方红芳;吴昭同;;模拟退火算法在计算机辅助公差设计中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 王峥;李介谷;;使用遗传程序设计搜索新的神经网络学习规则[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 陈伟;蒋慰孙;;模拟退火法在化工柔性生产系统调度中的初步应用[A];1992年中国控制与决策学术年会论文集[C];1992年
中国博士学位论文全文数据库 前10条
1 傅慧萍;潜射导弹运载器水弹道动力系统建模及其应用研究[D];西北工业大学;2000年
2 肖柏勋;高模式瑞雷面波及其正反演研究[D];中南大学;2000年
3 王雅琳;智能集成建模理论及其在有色冶炼过程优化控制中的应用研究[D];中南大学;2001年
4 黄泰松;基于成本最小的原料保证系统研究及应用[D];中南大学;2001年
5 田景文;地下油藏的仿真与预测[D];哈尔滨工程大学;2001年
6 高瑛;废物最小化的过程集成方法研究[D];大连理工大学;2001年
7 贾志欣;面向发电设备制造的下料优化排样原理与关键技术[D];四川大学;2002年
8 杨晓华;参数优选算法研究及其在水文模型中的应用[D];河海大学;2002年
9 徐杰;区段站阶段计划自动编制模型和算法研究[D];西南交通大学;2003年
10 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年
中国硕士学位论文全文数据库 前10条
1 曾光;基于神经网络的城市供水智能管理系统[D];广东工业大学;2000年
2 韦强;基于模拟退火遗传算法的CDMA多用户检测的研究[D];安徽大学;2001年
3 唐胜;基于神经网络的农作物病害诊断专家系统的设计[D];湘潭大学;2001年
4 李静;列车编组计划及其模拟退火算法[D];华北工学院;2001年
5 陈良;多层宽带泡沫吸波材料的遗传算法优化设计与制备[D];电子科技大学;2001年
6 郭健;多学科设计优化技术研究[D];西北工业大学;2001年
7 陈旭东;随机类优化算法及其在电机优化设计中的应用研究[D];浙江大学;2001年
8 刘志德;带新型混合算法的神经网络及其应用[D];大庆石油学院;2002年
9 王彩红;二维不规则多边形自动布局系统的研究与开发[D];河北工业大学;2002年
10 张健楠;基于ObjectARX的三维自动布局系统的研究与设计[D];河北工业大学;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978