Page 99 - 《软件学报》2026年第2期

578 软件学报 2026 年第 37 卷第 2 期

有下滑, 但在 Google2019 上的表现有所提升. PPO 算法在该场景下同样有所提升, 特别是在 Google2019 数据集
上, 与 SAC 算法的预测误差更加接近. 当预测窗口较小时, 强化学习的动作空间和状态空间维度相对更小, 学习难
度更低, 因而 SAC 作为集成算法的优势并不突出.

0.5 0.5 0.5
SAC-MWF w/o HC SAC-MWF w/o HC SAC-MWF w/o HC
0.4 w/o Origin w/o HE 0.4 w/o Origin w/o HE 0.4 w/o Origin w/o HE
w/o CR
w/o VC
w/o CR
w/o CR
w/o VC
w/o VC
MSE损失 0.3 w/o VE MSE损失 0.3 w/o VE MSE损失 0.3 w/o VE
0.2
0.2
0.2
0.1 0.1 0.1
0 0 0
(a) Azure2021-BiLSTM (b) Azure2021-Informer (c) Azure2021-DLinear
1.8 2.00
1.2
1.6 SAC-MWF w/o HC SAC-MWF w/o HC 1.75 SAC-MWF w/o HC
1.4 w/o Origin w/o HE 1.0 w/o Origin w/o HE 1.50 w/o Origin w/o HE
w/o VC
w/o CR
w/o CR
w/o CR
w/o VC
w/o VC
MSE损失 1.0 w/o VE MSE损失 0.8 w/o VE MSE损失 1.25 w/o VE
1.2
1.00
0.6
0.8
0.6 0.4 0.75
0.4 0.50
0.2 0.2 0.25
0 0 0
(d) Google2019-BiLSTM (e) Google2019-Informer (f) Google2019-DLinear
0.6 0.5 0.6
SAC-MWF w/o HC SAC-MWF w/o HC SAC-MWF w/o HC
0.5 w/o Origin w/o HE 0.4 w/o Origin w/o HE 0.5 w/o Origin w/o HE
w/o CR
w/o VC
w/o CR
w/o CR
w/o VC
w/o VC
MSE损失 0.4 w/o VE MSE损失 0.3 w/o VE MSE损失 0.4 w/o VE
0.3
0.3
0.2 0.2 0.2
0.1 0.1 0.1
0 0 0
(g) SockShop-BiLSTM (h) SockShop-Informer (i) SockShop-DLinear
图 15 特征序列构建策略消融实验

表 6 历史窗口=96, 预测窗口=48 时, 不同集成方法下模型损失 MSE 对比

Azure2021 Google2019 SockShop
方法
BiLSTM Crossformer SCINet BiLSTM Crossformer SCINet BiLSTM Crossformer SCINet
SAC 0.179 0.216 0.217 0.568 0.686 0.678 0.218 0.209 0.185
PPO 0.183 0.234 0.227 0.709 0.705 0.712 0.234 0.228 0.224
自注意力 0.231 0.233 0.263 0.694 0.790 0.726 0.439 0.582 0.342
线性层 0.229 0.225 0.228 0.691 0.698 0.695 0.224 0.215 0.194
平均 0.216 0.222 0.238 0.698 0.699 0.694 0.231 0.227 0.218

表 7 历史窗口=24, 预测窗口=8 时, 不同集成方法下模型损失 MSE 对比

Azure2021 Google2019 SockShop
方法
BiLSTM Crossformer SCINet BiLSTM Crossformer SCINet BiLSTM Crossformer SCINet
SAC 0.156 0.154 0.151 0.541 0.540 0.559 0.294 0.290 0.289
PPO 0.160 0.162 0.153 0.562 0.547 0.576 0.322 0.321 0.321
自注意力 0.167 0.177 0.178 0.625 0.632 0.645 0.361 0.364 0.362
线性层 0.179 0.179 0.173 0.542 0.539 0.561 0.298 0.312 0.294
平均 0.189 0.183 0.180 0.553 0.559 0.564 0.313 0.308 0.316