基于Tiebout模型和改进人工神经网络的云服务定价预测方法Cloud Service Pricing Forecasting Method Based on Tiebout Model and Improved Artificial Neural Network
王鹤琴
摘要(Abstract)：
随着云服务市场的不断扩大，制定合理的价格对于云服务提供商和用户越来越重要.对目前现有的定价模型进行研究时，发现较多模型考虑的因素不全面，同时也未注意到各因素与定价之间的关系.在Tiebout模型基础上提出了一种利用布谷鸟算法改进人工神经网络对云服务定价预测的方法(CS-ANN).与BP神经网络、RBF神经网络、ANN人工神经网络预测定价和改进人工神经网络分别进行比较，实验表明基于蒂布特模型和改进的神经网络定价优化模型的预测精度更高.
关键词(KeyWords)： 人工神经网络;布谷鸟算法;Tiebout模型
基金项目(Foundation): 国家自然科学基金(61572036);; 教育部哲学社会科学研究重大课题攻关项目(20JZD026);; 安徽省高校学科(专业)拔尖人才学术资助项目(gxbjZD2022147);; 安徽高校自然科学研究重点项目(KJ2020A1058,2022AH050602)
作者(Author): 王鹤琴
DOI: 10.16393/j.cnki.37-1436/z.2023.05.014
参考文献(References)：
- [1]马滔，刘征驰，周莎.交易成本、不确定性与云服务定价机制[J].系统工程理论与实践，2023,43(04):1101-1120.
- [2]张德成，王杨，蒋秀林，等.基于多元回归和Tiebout模型的云服务定价优化方法[J].长春师范大学学报，2018,37(12):18-24.
- [3]王英卓.云服务环境下供应链协调研究[D].昆明：云南财经大学，2022.
- [4]田野，方明.一种改进的布谷鸟搜索算法[J].长春理工大学学报(自然科学版),2017,40(01):115-118.
- [5]骆桦，刘兴.基于主成分分析的神经网络算法对期权价格预测研究[J].浙江理工大学学报(自然科学版),2017,37(01):122-126.
- [6]许志伟.IaaS云服务竞价实例购买策略研究[D].济南：山东大学，2022.