融合网级联LSTM与人工蜂群算法的警务数据处理任务调度研究

为了开发警务信息系统,提出了融合网级联长短时记忆(LSTM)与人工蜂群算法(ABC),对警务数据处理中的任务调度效率进行优化。结果显示,其性能更好,LSTM的损失函数在0.9以下,循环神经网络(RNN)的损失函数在0.9以上。测试点个数为5、6、12时,LSTM的均方根误差(RMSE)在2.2以下,其余两种算法的RMSE值均高于2.3。级联LSTM对任务table的预测准确率较高,平均预测准确率为78.56%;级联LSTM对任务filed的预测准确率较低,平均预测准确率为65.22%。提出的任务调度策略在应用于警务数据处理时,任务调度的效率相较于遗传算法(GA)提高了11.4%,相较于基于Pareto的离散人工蜂群算法(P-DABC)提高了4.3%。