基于粒子群优化BP神经网络的软件老化预测Prediction of Software Aging Trend Based on Particle Swarm Neural Network
王荣,白尚旺,党伟超
摘要(Abstract)：
为解决传统软件老化预测模型泛化能力弱、准确度低的问题,提出一种新型粒子群算法(New Particle Swarm Optimization Algorithm, NPSO)优化BP神经网络的权值和阈值,继而构建NPSO-BP神经网络预测模型。该预测模型首先通过引入早熟收敛判断、多样性分析,有效增强了全局搜索能力,然后将NPSO算法最优值赋值给BP神经网络的初始参数,最后搭建软件老化测试平台,收集所需的老化数据,对Web服务器因内存泄漏引起的老化现象进行建模和预测。实验结果表明,NPSO-BP预测模型,能准确预测Web系统软件老化趋势,不论是在预测精度还是收敛速度上都有显著提高,在软件老化趋势预测上有较大的实用价值。
关键词(KeyWords)： BP神经网络;粒子群算法;软件老化预测
基金项目(Foundation): 山西省应用基础研究项目(201801D221179);; 教育部产学协同项目(201801128011);; 太原科技大学教学改革创新项目(201937)
作者(Author): 王荣,白尚旺,党伟超
参考文献(References)：
- [1] HUANG Y,KINTALA C,KOLETTIS N,et al.Software rejuvenation:Analysis,module and applications[C]//International Symposium on Fault-Tolerant Computing,1995:381-390.
- [2] 鞠莹.面向用户访问意图的Web系统老化趋势预测研究[D].沈阳：东北大学，2011.
- [3] TORQUATO M,ARAUJO J,UMESH I,et al.Sware:a methodology for software aging and rejuvenation experiments[J].J Inf Syst Eng Manag,2018,3(2):15-18.
- [4] 梁佩.基于Web技术的软件老化趋势预测研究[D].哈尔滨：哈尔滨工程大学，2013.
- [5] 李焱，高强，王勇，等.乘积季节模型在软件老化评估中的应用研究[J].电子科技大学学报，2017,46(3):583-587+611.
- [6] 渊岚.基于人工神经网络的软件系统老化预测研究[D].西安：西安建筑科技大学，2016.
- [7] 邹兰.基于SOM-BP神经网络的盾构机故障诊断方法研究[D].西安：西安理工大学，2018.
- [8] CHEN X,WANG T,LIANG W.General Aircraft Material Demand Forecast Based on PSO-BP Neural Network[J].International Journal of Control and Automation,2016,9(5):407-418.
- [9] HE G,HUANG C,GUO L,et al.Identification and Adjustment of Guide Rail Geometric Errors Based on BP Neural Network[J].Measurement Science Review,2017,17(3):413-427.
- [10] 高震，赵志诚.改进PSO-BP算法在配电网故障选线中的应用[J].太原科技大学学报，2018,39(3):189-195.
- [11] 吴浩扬，朱长纯，常炳国，等.基于种群过早收敛程度定量分析的改进自适应遗传算法[J].西安交通大学学报，1999(11):29-32+72.
- [12] MATIAS R,BARBETTA P A,TRIVEDI K S,et al.Accelerated Degradation Tests Applied to Software Aging Experiments[J].IEEE Transactions on Reliability,2010,59(1):102-114.
- [13] YIN Y C,COOLEN F P A,COOLEN-MATURI T.An imprecise statistical method for accelerated life testing using the power-Weibull model[J].Reliability Engineering & System Safety,2017,167:158-167.
- [14] 刘飞.Java虚拟机内存管理与内存泄漏[J].信息与电脑：理论版，2017(6):69-71.