资源约束网络中基于LSSVM的预测反馈调度

由于网络负载的动态变化，具有资源约束的控制网络总是运行在不可预期的开放环境中。为了保证系统的稳定运行，设计了一个基于最小二乘支持向量机(LSSVM)的反馈调度器。它周期性地监测网络资源，通过LSSVM在线预测出下一周期的可适用网络利用率，根据预测值采用插值法得到控制回路的下一个采样周期，从而实现系统资源的动态分配。对采用固定带宽分配、基于LSSVM以及基于Elman神经网络的反馈调度分别进行了比较。结果表明预测反馈调度策略能使系统在可变负载情况下稳定运行，并在控制质量和网络服务质量之间取得平衡。同时本文提出的算法比Elman神经网络预测算法具有更优的性能，特别是在线训练速度具有较大的优势。