随着互联网的不断发展,Web服务深入人们的生活,而Web服务器性能直接决定Web服务的优劣。所以,能够精确预测Web服务器性能显得尤其重要。本文通过智能算法建立准确的服务器性能预测模型,以提高Web服务器性能预测准确率为目的,对经典算法提出了改进的思路,主要工作内容和研究成果如下:1.对服务器性能的基本概念和研究现状进行简要的阐述和说明,比较国内外用于预测服务器性能的算法和模型,并分析它们的优缺点。针对服务器性能的预测,着重研究了支持向量机算法,为本文后续工作打下了理论基础。2.服务器性能预测重点研究了SVM模型算法,针对该模型预测速度慢、预测结果偏差大等多个问题,使用灰狼优化算法(GWO)将其进行优化。但GWO算法面对复杂优化问题求解精度低、收敛状态不稳定,且算法的初始种群随机生成,本文采用DE算法为灰狼寻优算法生成更加合适的初始种群,改进后模型为DE-GWO-SVM模型。3.本文提出第二种预测方法,基于时间序列的LS-SVM算法在服务器性能上的预测模型,但该模型预测精度低且预测效率慢,需要选取合适的核函数参数?和惩罚因子C。本文使用改进的PSO算法用于寻找LS-SVM模型的最优参数?和C,得到改进PSO的LS-SVM算法在基于时间序列的服务器性能上的预测模型,改进后模型为IMP-PSO-LSSVM模型。本文采用常用的质量评价方法对预测模型进行评判,结果表明两种改进模型都有精确的预测效果,从而验证了改进算法的合理性与有效性。