基于AHP-RBF的Swift云存储负载预测  

Load prediction of Swift cloud storage based on AHP-RBF

作　　者：谭乾[1] 江弋[1] 林凡[2] 

机构地区：[1]厦门大学信息科学与技术学院,福建厦门361005 [2]厦门大学软件学院,福建厦门361005

出　　处：《计算机工程与应用》2014年第8期35-39,共5页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61001143)

摘　　要：通过对Swift云存储中Proxy Node的负载因素研究,提出结合层次分析法(AHP)和混合递阶遗传训练的RBF神经网络实现对Swift云存储负载情况的预测,其中使用AHP构造对云存储系统的负载层次化模式,提高负载预测的综合精度,设计了RBF神经网络预测模型,用混合递阶遗传算法(HHGA)确定RBF神经网络的参数和结构。仿真实验结果表明,对Swift云存储负载的预测具有可行性,能为系统动态负载均衡决策提供依据。Through the study of Proxy Node load factors in Swift cloud storage, a method which combines Analytic Hier-archy Process（AHP）and Hybrid Hierarchical Genetic Algorithm for training of Radial Basis Function Neural Network （HHGA-RBFNN）is proposed to predict Swift cloud storage load. This paper uses AHP to construct load hierarchy model of the system for raising comprehensive accuracy of load prediction of the system, designs RBFNN prediction model, and uses hybrid hierarchical genetic algorithm to train RBFNN’s parameters and configuration. From the experimental results, this method is effective, and can be a selection for Swift cloud system load balancing decision.

关 键 词：SWIFT 混合递阶遗传算法 径向基函数(RBF)神经网络 层次分析法 负载 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]