基于混合YSGOA和神经网络的云系统中的软件故障预测
Ramandeep Kaur1, Revathi Vaithiyanathan2
1Assistant Professor, Department of Computer Science & Technology; Research Scholar, Department of Computer Science & Engineering, Dayananda Sagar University, Bangalore, India. ramangrewalg@gmail.com.
Scientific reports
|July 11, 2024
概括
本研究介绍了一种使用黄山羊鱼算法 (YSGA) 和草优化算法 (GOA) 与神经网络 (NN) 进行混合优化方法,用于预测云计算中的软件故障. 该方法提高了预测的准确性,并减少了系统的复杂性.
科学领域:
- 云计算 云计算 云计算 云计算
- 软件工程 软件工程 软件工程
- 人工智能的人工智能
背景情况:
- 在复杂的云环境中确保软件可靠性是一项挑战.
- 积极地识别和纠正软件异常对于强大的系统至关重要.
- 现有的方法在云基础设施的动态性质中遇到障碍.
研究的目的:
- 开发一种用于预测云计算中的软件故障的创新方法.
- 为了增加软件故障预测的纯度度指标.
- 提高基于云的软件系统的稳定性和可靠性.
主要方法:
- 混合优化算法与神经网络 (NN) 的结合.
- 使用黄山羊鱼算法 (YSGA) 识别与软件故障相关的关键特征.
- 使用草优化算法 (GOA) 来改进特征选择.
- 使用神经网络 (NN) 处理选定的特征以进行准确的分类.
主要成果:
- 混合优化策略显著减少了功能选择的复杂性.
- 该方法加速了软件故障预测的处理.
- 使用Failure-Dataset-OpenStack数据库进行的评估表明性能有所改善.
- 这种方法提高了预测软件异常的准确性.
结论:
- 拟议的混合优化和神经网络方法为云计算中的软件故障预测提供了有效的解决方案.
- 这种方法提高了效率,并减少了识别软件故障的复杂性.
- 该研究强调了将先进的优化算法与NNs结合起来,以实现强大的云系统管理的潜力.
