基于智能优化的分布式网络流量预测方法技术

本发明专利技术提供一种适用于分布式网络(Distributed Network)环境中的基于智能优化的分布式网络流量预测方法，预测过程中采用基于三次指数平滑的网络流量预测对分布式网络流量中心采集的流量进行预测，且由于三次指数平滑模型中的平滑指数的选取对预测效果具有重要影响，采用果蝇优化算法(FOA)对平滑指数进行优化，通过不断寻优得到预测效果最佳的平滑参数，预测效果由对应平滑参数下预测绝对均方误差表示，预测均方误差预测小则预测效果越好，该预测为一次较为准确的网络流量预测，实现了分布式网络中高效、准确的网络流量预测。应用本方可以实现分布式网络流量的高效率、小误差的流量预测。

【技术实现步骤摘要】

本专利技术是一种适用于分布式网络值istributedNetwork)环境中，采用将果蛹优 化算法（huitFlyOptimizationAlgorithm，FOA)与基于S次指数平滑的网络流量预测模 型结合的分布式网络流量预测方法，实现分布式网络环境中的流量的高效预测。本技术属 于计算机网络领域。
技术介绍
随着网络技术的迅速发展，网络上的业务和应用也越来越丰富，网络更加贴近人 们的日常生活，计算机网络与传统产业的结合日渐紧密，网络用户对互联网的依赖性也越 来越大。网络中用户的需求多种多样，对网络的要求产生巨大的压力。深入分析网络的运 行状况可W发现，网络带宽大幅增加，但网络使用效率却没有成正比的提升，网络资源利用 率低。而分布式网络的产生具有极大的意义，分布式网络是由分布在不同地点且具有多个 终端的节点机互连而成。分布式网络中，各个网络独立控制，中央控制中屯、只需要进行整体 调度。在分布式系统中，不强调集中控制的概念，具有一个W全局控制中屯、为基础的分层控 制结构，但是每个分布式网络都具有高度的自主权。分布式网络大大降低了网络中全局控 制中屯、的压力，使得网络具有更高的效率及安全性。 互联网技术飞速发展，网络流量行为日益复杂，该就对网络的管理提出了很高的 要求，网络流量预测是网络管理的一部分，具有重要意义。网络流量预测是业务管理的关键 问题，由于网络流量受到各种因素影响，具有突发性、时变性、非线性等特点，高效率的网络 流量预测方法能够有效提高网络管理的效率。同时网络流量预测对于设计新一代网络协 议、有效地进行网络管理、设计高性能路由器算法和评价网络安全和检测网络异常都具有 重要意义。由于Internet的复杂性，基于流量测量与分析的网络性能研究仍然处于起步阶 段，因此，对于网络设计与规划、流量控制、协议设计、确保服务质量、研究拥塞控制和带宽 分配机制、分析与评价网络性能，进一步实施网络管理等都有着非常重要的意义。网络流量预测就是针对目前网络快速发展、网络规模飞速扩大的环境下，对存在 的网络流量产生的不确定性、不均衡性等问题，通过对网络流量的采集和流量分析，采用基 于智能优化的分布式网络流量预测模型，实现对流量的高效预测，使网络管理实现可知、可 控，达到工作集中化、信息化、规范化的要求。
技术实现思路
技术问题；本专利技术的目的是提供一种分布式网络环境下基于智能优化的分布式网 络流量预测方法，采用将果蛹优化算法与基于=次指数平滑的网络流量预测模型结合的分 布式网络流量预测方法，实现分布式网络环境中的流量预测。通过本方法可W实现分布式 网络流量的高效预测。 技术方案；本专利技术的方法采用果蛹优化算法与基于=次指数平滑的网络流量预测 模型的分布式网络流量预测方案，实现在分布式网络环境中的网络流量预测。分布式网络 中，各网络流量中屯、事先对各个网络区域进行流量采集，采集方式采用时间窗模式对网络 流量采集，提高流量采集的效率。在分布式网络各服务器端每隔一个时间间隙向集中控制 服务器发送该时间间隙内采集流量，在集中控制服务器端对各流量中屯、采集的流量数据进 行流量预测，分布式网络流量预测方法采用基于=次指数平滑的网络流量预测模型，=次 指数平滑中平滑指数采用果蛹优化算法进行优化得到预测效果最佳的参数，预测效果由该 平滑指数下预测绝对均方误差（MS巧表示。预测方案中预测均方误差MSE越小，对应的平 滑指数效果越好，采用最佳的平滑指数能得到最优化的预测模型效果。 包含在W下具体步骤中：[000引初始场景设置； 步骤1)设置分布式网络环境参数；设置分布式网络可控流量中屯、数量及产生的 流量； 分布式网络流量采集： 步骤2)各分布式网络环境开始进行流量采集，分布式服务器端采用时间窗机制 对流量进行采集，提高流量采集的效率，分布式哈希网络由网络中受控节点探测周围在线 邻居节点流量完成采集工作，软件定义网络是在控制器中统计所有经过包的信息完成流量 采集工作； 步骤3)分布式网络每个网络流量中屯、收集到的网络流量采用基于智能优化的分 布式网络流量预测方法进行流量预测； ： 步骤4)确定果蛹优化中种群个体数量sizepop和最大迭代次数maxgen，随机产生 果蛹的初始位置； 步骤5)赋予果蛹个体利用嗅觉捜寻食物的随机方向和距离； 步骤6)估计果蛹个体与原点之间的距离Disti，计算味道浓度判定值Si，且Si= 1/Disti，=次指数平滑预测模型中设置平滑指数a数值上等于Si，=次指数平滑法的数学 模型为；F|",二",+A,"; + ^cy，其中m为预测期数，a、b、C为模型平滑系数； 其中at、bt、Ct表示为【主权项】1. 一种，其特征在于该方法包含以下的具体 步骤： 步骤1)设置分布式网络环境参数：设置分布式网络可控流量中心数量及产生的流量； 步骤2)各分布式网络环境开始进行流量采集，分布式服务器端采用时间窗机制对流 量进行采集，提高流量采集的效率，分布式哈希网络由网络中受控节点探测周围在线邻居 节点流量完成采集工作，软件定义网络是在控制器中统计所有经过包的信息完成流量采集 工作； 步骤3)分布式网络每个网络流量中心收集到的网络流量采用基于智能优化的分布式 网络流量预测方法进行流量预测； 步骤4)确定果幡优化中种群个体数量sizepop和最大迭代次数maxgen，随机产生果幡 的初始位置； 步骤5)赋予果蝇个体利用嗅觉搜寻食物的随机方向和距离； 步骤6)估计果幡个体与原点之间的距离Distp计算味道浓度判定值51，且51= 1/Dish，三次指数平滑预测模型中设置平滑指数a数值上等于Sp三次指数平滑法的数学模 型为=?, + ,其中m为预测期数，a、b、c为模型平滑系数； 其中at、bt、ct表示为 at=3st(1)-3st(2)+st(3)上式中\(1)、\(2)、\(3)为一次、二次、三次指数平滑值，计算公式如下： st(1)=ayt+d_a )st-i(1) St(2)=as/Mi-cOsh⑵ S，)=aSt⑵+ ("）~⑶ 式中，yt是第t期实际值，a是平滑系数，0〈a〈l; 将三次指数预测模型得到的预测结果代入绝对均方误差MSE中的，并将原始网络流 量代入fi，以表示预测结果和真实数据之间的偏差，其中，n是预测阶段总数；&是阶段i的实际值；/是阶段i的预测值； J I 果蝇个体的味道浓度Smelli在数值上等于MSE，并重复上述过程直到得到果蝇群体中 所有个体的Smelli; 步骤7)找出此果蝇种群个体中味道浓度Smelli最小的果蝇；保留最佳味道浓度判定 值Si与其果蝇个体坐标（Xi，Yi)，此时果蝇群体利用视觉向该位置飞去； 步骤8)迭代寻优，重复果蝇优化过程，并找出优于前一迭代味道浓度的味道浓度计坐 标值，一直到迭代结束。【专利摘要】本专利技术提供一种适用于分布式网络(Distributed Network)环境中的，预测过程中采用基于三次指数平滑的网络流量预测对分布式网络流量中心采集的流量进行预测，且由于三次指数平滑模型中的平滑指数的选取对预测效果具有重要影响，采用果蝇优化算法(FOA)对平滑指数进行优化，通过不断寻优得到预测效果最佳的平滑本文档来自技高网...

【技术保护点】
一种基于智能优化的分布式网络流量预测方法，其特征在于该方法包含以下的具体步骤：步骤1)设置分布式网络环境参数：设置分布式网络可控流量中心数量及产生的流量；步骤2)各分布式网络环境开始进行流量采集，分布式服务器端采用时间窗机制对流量进行采集，提高流量采集的效率，分布式哈希网络由网络中受控节点探测周围在线邻居节点流量完成采集工作，软件定义网络是在控制器中统计所有经过包的信息完成流量采集工作；步骤3)分布式网络每个网络流量中心收集到的网络流量采用基于智能优化的分布式网络流量预测方法进行流量预测；步骤4)确定果蝇优化中种群个体数量sizepop和最大迭代次数maxgen，随机产生果蝇的初始位置；步骤5)赋予果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤6)估计果蝇个体与原点之间的距离Disti，计算味道浓度判定值Si，且Si＝1/Disti，三次指数平滑预测模型中设置平滑指数α数值上等于Si，三次指数平滑法的数学模型为：其中m为预测期数，a、b、c为模型平滑系数；其中at、bt、ct表示为at＝3st(1)‑3st(2)+st(3)bt=α2(1-α)2[(6-5&alpha;)st(1)-(10-8α)st(2)+(4-3α)st(3)]]]>ct=α2(1-α)2(st(1)-2st(2)+st(3))]]>上式中St(1)、St(2)、St(3)为一次、二次、三次指数平滑值，计算公式如下：St(1)＝αyt+(1‑α)st‑1(1)St(2)＝αst(1)+(1‑α)st‑1(2)St(3)＝αst(2)+(1‑α)st‑1(3)式中，yt是第t期实际值，α是平滑系数，0<α<1；将三次指数预测模型得到的预测结果代入绝对均方误差MSE中的并将原始网络流量代入fi，以表示预测结果和真实数据之间的偏差，MSE=1nΣ(fi-f^i)2]]>其中，n是预测阶段总数；fi是阶段i的实际值；是阶段i的预测值；果蝇个体的味道浓度Smelli在数值上等于MSE，并重复上述过程直到得到果蝇群体中所有个体的Smelli；步骤7)找出此果蝇种群个体中味道浓度Smelli最小的果蝇；保留最佳味道浓度判定值Si与其果蝇个体坐标(Xi，Yi)，此时果蝇群体利用视觉向该位置飞去；步骤8)迭代寻优，重复果蝇优化过程，并找出优于前一迭代味道浓度的味道浓度计坐标值，一直到迭代结束。...

【技术特征摘要】

【专利技术属性】
技术研发人员：肖甫，赵帅帅，王汝传，王少辉，韩志杰，孔维莉，李赫，蒋季宏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32