基于蟻群神經(jīng)網(wǎng)絡(luò)的軟件老化趨勢(shì)預(yù)測(cè).pdf

1、軟件在長(zhǎng)期不間斷的運(yùn)行過程中,會(huì)產(chǎn)生系統(tǒng)內(nèi)存泄漏、未釋放的文件鎖、舍入誤差的積累、大量的存儲(chǔ)空間碎片等現(xiàn)象,這些原因會(huì)導(dǎo)致軟件性能的下降,這種現(xiàn)象被稱為軟件老化。軟件老化的現(xiàn)象不僅存在于通常使用的Web服務(wù)器或者通用服務(wù)器,也存在于要求高可靠性、可用性的應(yīng)用系統(tǒng)。軟件老化對(duì)安全關(guān)鍵領(lǐng)域包括人的生命都造成了巨大損失。及時(shí)地預(yù)測(cè)軟件老化程度的趨勢(shì),根據(jù)系統(tǒng)資源的耗盡時(shí)間的度量標(biāo)準(zhǔn),就可以及時(shí)采取相應(yīng)的恢復(fù)策略,從而可以避免軟件老化所造成的損

2、失。本文在BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上、采用蟻群算法,對(duì)反映軟件老化趨勢(shì)程度的資源參數(shù)進(jìn)行預(yù)測(cè),從而判斷軟件恢復(fù)時(shí)間。
　　 論文首先論述了軟件老化的研究意義和研究現(xiàn)狀;構(gòu)建了研究軟件老化的實(shí)驗(yàn)平臺(tái);其次介紹了線性預(yù)測(cè)方法和非線性預(yù)測(cè)方法,這些方法包括Sen slope、ARMA模型、BP神經(jīng)網(wǎng)絡(luò)等,本文對(duì)各種預(yù)測(cè)算法進(jìn)行了綜合比較。在預(yù)測(cè)老化趨勢(shì)方面,首先應(yīng)用各種預(yù)測(cè)方法對(duì)實(shí)驗(yàn)平臺(tái)采集的系統(tǒng)性能數(shù)據(jù)進(jìn)行了預(yù)測(cè),實(shí)驗(yàn)表明神經(jīng)網(wǎng)絡(luò)算法在數(shù)

3、據(jù)的擬合準(zhǔn)確性和預(yù)測(cè)的精確性方面,此算法達(dá)到了一定的精度。BP神經(jīng)網(wǎng)絡(luò)的初始化權(quán)值的選擇存在著一定的不足。因此,本文提出了蟻群神經(jīng)網(wǎng)絡(luò)(ACONN,Ant Colony Neural Network),使用蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始化權(quán)值,建立了蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型,完成了蟻群神經(jīng)網(wǎng)絡(luò)對(duì)軟件老化趨勢(shì)預(yù)測(cè)的設(shè)計(jì)。論文對(duì)蟻群神經(jīng)網(wǎng)絡(luò)的構(gòu)建流程進(jìn)行了闡述,并使用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱,進(jìn)行了仿真試驗(yàn)。
　　 實(shí)驗(yàn)結(jié)果