.png){kind=icon}
返回
A Novel Balanced Binary Whale Optimization Algorithm for Dynamic Feature Selection in Green Cloud Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/tcc.2026.3671450.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的平衡二进制鲸鱼优化算法（BB-WOA），该算法专门针对绿色云计算（GCC）中的动态特征选择进行设计。传统用于云资源预测的特征选择方法往往存在预测性能欠佳或计算复杂度过高的问题。为解决此问题，我们在标准二进制鲸鱼优化算法（B-WOA）的基础上提出了显著算法改进，包括动态二进制转换函数、渐进式缩放、通过Sobol序列实现多样化种群初始化、平衡的探索-开发策略以及基于激活的恢复机制。利用真实云资源数据的全面实验评估表明，BB-WOA优于现有方法。具体而言，BB-WOA相比B-WOA和遗传算法（GA）分别将预测误差（RMSE）降低了7.45%和1.55%。此外，BB-WOA在计算效率上有所改进，将执行时间分别缩短了约38.30%、64.13%和78.53%（相较于B-WOA、随机搜索（RS）和GA）。在环境方面，所提方法相比B-WOA、RS和GA分别降低了38.48%、64.18%和52.55%的能耗，同时显著减少了特征数量（最多减少70.77%）。这些结果突显了BB-WOA的有效性和可持续性，使其成为一种极具竞争力且环境友好的解决方案。
Keyword:
Machine learning
data-centric artificial intelligence
whale optimization algorithm
feature selection
green cloud computing
green artificial intelligence
期刊
I
IF:
5
论文数:
1.9K
被引数:
4.3K
机构
引用论文
Online Feature Selection (OFS) with Accelerated Bat Algorithm (ABA) and Ensemble Incremental Deep Multiple Layer Perceptron (EIDMLP) for big data streams.png)
JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏分享收藏Optimization of the Use of Cloud Computing Resources Using Exploratory Data Analysis and Machine Learning使用探索性数据分析和机器学习优化云计算资源的使用
OAAI
OAAI分享收藏Combining genetic algorithms and bayesian neural networks for resource usage prediction in multi-tenant container environments结合遗传算法和贝叶斯神经网络的多租户容器环境下资源使用预测
PREAI
分享收藏A hybrid feature selection approach based on information theory and dynamic butterfly optimization algorithm for data classification基于信息论和动态蝶形优化的混合特征选择方法在数据分类中的应用
PREAI
分享收藏A Comprehensive Analysis of Nature-Inspired Meta-Heuristic Techniques for Feature Selection Problem
PREAI
分享收藏
查看更多内容