摘要：为了提高网络流量的预测精度，提出了一种改进的多种群量子遗传算法优化BP神经网络的网络流量预测模型。在确定了神经网络的结构后，采用多种群量子遗传算法对BP神经网络的初始权值和阈值进行优化。该模型利用K均值聚类算法将种群划分成若干子种群，多个子种群分别进化以保持种群的多样性。子种群间通过移民操作进行信息交互，减小了算法陷入局部最优的概率。同时采用一种自适应的量子旋转门调整策略加快算法的收敛速度。仿真结果表明，相较传统方法，该模型在网络流量预测方面具有收敛速度快、预测精度高的优点。

关键词：网络流量预测 量子遗传算法 bp神经网络 移民操作 k均值聚类算法 

单位：河南师范大学网络中心 河南新乡453007