计算机网络优化设计中遗传算法的应用

来源:用户上传      作者:

　　摘要：我国社会经济在建设过程中大大提升了计算机网络技术的发展速度，人们生活质量有较大的提升，对系统可靠性运行的重要性越来越高。随着人们对计算机网络系统运行质量的越来越高，计算机网络在运行过程中需要进行有效的设计，其中遗传算法在优化设计时应用较为广泛，其中智能化大容量光纤传输系统与高速交换技术应用较为频繁，在使用过程中大大简化了节点与线路，这在较大程度大提升了计算机网络通信效率，对计算机网络未来有效发展奠定了良好的基础。本文首先对计算机网络与遗传算法概念进行阐述，并对遗传算法在计算机网络优化设计中的作用实施性分析，最后对遗传算法在计算机网络优化设计的应用进行着重探讨。
　　关键词：计算机网络；优化设计；遗传算法；应用
　　中图分类号：TP393 文献标识码：A
　　文章编号：1009-3044（2019）12-0186-03
　　我国科技技术在应用的过程中，需要进行有效的管理与优化，以此较好的提升网络性能，其中在对计算机网络实施优化设计的过程中应用较为广泛的就是遗传算法，能够有效对网络实施有效的分段。此外，在对网络进行有效划分的过程中，一般情况下是通过管理者经验有效分配网络站点，使网络配置达到最佳状态，在一定程度上会提升管理者要求，与实际并不相符，为此需要寻找一种网络自动划分的最佳方法来全面实现计算机网络系统的优化设计。
　　1 计算机网络与遗传算法概述
　　1.1 计算机网络概述
　　计算机网络主要是指把计算机进行区域性划分，并在此基础上将相关设备进行有效的连接，同时在管理软件与网络协议基础上进行实时性协调，以此实现资源的有效共享，最终使计算机网络在运行的过程中实相关功能[1]。此外，在计算机不同区域在运行过程中，计算机网络的正常运行需要有外部设备作为支持，其中独立区域外部设备主要是指单台设备不能对整个计算机网络进行有效的操控，但是不能外部设备均能够对计算机网络资源进行有效的共享。除此之外，计算机网络其实质是计算机外部设备之间的有效链接，以此确保计算机之间的信息共享。从广义上来讲，计算机网络主要是指计算机通过资源共享来实现计算机功能的集合，其主要目的就是将信息资源进行有效的共享。
　　1.2 遗传算法概述
　　遗传算法在计算机网络优化设计中有较为广泛的应用，其中该算法主要是在自然选择的基础上实施全局随机搜索的算法，将计算机问题看成完整的种群，在对此进行有效的分解，并逐一进行问题的解决。此外，遗传算法的搜索主要针对的是整个空间，并在评价策略的基础上实施全面评估，同时还需要使用交叉、选择以及变异等遗传算子，这在较大程度上能够使问题在不断变化中得到有效解决[2]。遗传算法在计算机较多领域中有较为广泛的应用，其主要是原理是在自然规律与遗传知识的前提下实施有效的发展，在发展过程中对传输方式与过程實施有效的模拟，再通过基因遗传信息在群体搜索与个体之间进行数据信息的交换，以此把网络传输数据信息切割成多种数据区域，并在网络终端进行有效的组合，最大限度上满足网络优化搜索功能需求，以此达到网络优化全局信息要求，同时此种方法在操作过程中较为简捷，具有通信全局性较好、功能明显等优势，能够有效避免网络数据封装问题。
　　2 遗传算法特点
　　遗传算法特点主要表现在以下几个方面[3]：1）遗传算法在操作过程中主要是对象是参数编码，在此过程中不能将参数本身作为操作对象，这在较大程度上可对一些约束条件进行有效地避免，并且在此基础上对该算法的应用范围实施有效扩大；2）遗传算法能够实现不同点并行搜索，并不是在一个单点中进行搜索，能够有效避免搜索局限性，最大程度上使搜索范围不断扩大，逐步实现全范围搜索；3）遗传算法在运用的过程中还需要进行有效的评价，其中评价方法主要通过数学相关函数来确定，在较大程度上与相关辅助信息没有联系，大大降低了对问题的依赖程度；4）遗传算法在计算的过程中需要遵循一定的原则，其中最为重要的是优化原则，并不是一种概率转换规则，而是通过非确定性规则，从而搜索到全局最优解。
　　3 计算机网络优化设计原则与可靠性概述
　　3.1 计算机网络优化设计原则
　　计算机网络在进行优化设计过程中，需要遵循一定的设计原则，只有这样才能最大程度上保证计算机网络优化设计安全性与可靠性，其设计原则主要表现在以下几个方面[4]：1）根据国家计算机网络相关标准通过开放式的计算机网络拓扑结构，这在较大程度上可有效支持不同设备之间的有效连接，并且在此基础上具有较高的扩展升级能力；2）在对计算机网络优化设计时，需要应用到网络拓扑结构，在应用的过程中应当具备较高的实用性，这就需要应用到的技术成熟可靠；3）计算机网络在优化设计的过程中，能够有效支持不同网络管理协议，以此将计算机网络优化设计顺利实施；4）计算机网络有较好的兼容性，可使计算机网络优化设计有效完成；5）在对计算机网络优化设计的过程中，还应最大程度上降低设计成本，并在此基础上使优化设计功能达到最佳状态，不但能够起到节约成本的目的，而且可完善优化设计功能；6）计算机网络在优化设计过程中，需要对链路容量分配以及节点间路由器规模条件进行实时性满足；7）计算机网络在进行优化设计过程中，需要使用多链路及路由的方法，可在较大程度上避免由于数据信息出现问题而对网络正常运行造成一定的影响。
　　3.2 计算机网络优化设计可靠性概述
　　计算机网络可靠性主要是指通过系统指定时间与范围完成相关任务概率的能力，计算机网络优化设计最为重要的是网络运行过程中的可靠性与安全性，若网络运行过程中安全性较低，会在较大程度上出现运行安全问题，会出现重要文件的丢失，造成较大的经济损失[5]。此外，计算机网络运行的可靠性也较为重要，主要表现在以下几个方面：1，计算机网络稳定性。在对计算机进行开发的过程中，开发设计人员均对硬件设施进行有效的研究，这就需要对计算机网络可靠性进行实时性分析，一般采用计算机网络模型概率，能够在较大程度上发现网络中出现的问题， 以此提升计算机网络可靠性设计，从而更好的对硬件与软件功能的实现奠定良好的基础；2，计算机网络可靠性领域应测试范围相对比较广泛，能够发现事故与故障，并进行有效的解决，最大程度上提升软件的可靠性。在提升计算机网络可靠性的过程中，能够进行高可靠性元器件的合理开发，并且在此基础上还需要采取有效的方法提升计算机网络通信效率，以此实现计算网络优化设计。 　　4 遗传算法在计算机网络优化设计中的作用
　　4.1 优化计算机网络运行过程
　　遗传算法是计算机网络优化设计中最优算法，并且在此基础上对相关问题实施有效的解决。其中，计算机网络优化设计过程中，能够通过自适应方式实施优化，通过对染色体优胜劣汰过程进行有效的求解，并根据不同染色体组历代不断演变，以此使染色体对环境进行有效的适应，以此寻求最优方案[6]。遗传算法在运用的过程中可以进行全局搜索，能够对系统中出现的问题及时发现，这在较大程度上可有效避免一些遗漏。此外，此种算法还能够提升计算机网络运行效率，并对运行过程中出现的问题实施有效搜索，并采取有效的措施对其进行有效的解决，以此提升计算机网络安全性与可靠性。在遗传算法中一般采用可行解的编码算法，这就需要使用到遗传算子，只有这样才能有效保证计算机网络优化设计过程中的安全性与可靠性， 特定遗传算法对不同优化问题需要进行不同遗传操作算子与编码，并在此基础上还需要对问题实施全面分析，这在较大程度上是遗传算法过程中最为重要的因素[7]。除此之外，遗传算法主要通过科学颗粒的编码方式，这在较大程度上可提升计算机网络运行效率，以此对数据信息储存与传输的可靠性与安全性进行有效的保证。
　　4.2 网络层次结构设计的完善
　　在计算机网络结构设计的过程中，主要是采用体系结构与网络结构，这在较大程度上可有效保证计算机网络运行达到最佳状态，其中遗传算法可在较大程度上保证此种层次结构设计过程中的优化，主要表现在以下几个方面：1，接入层。计算机网络运行过程中的一个较大的出发点就是接入层，能够对用户网络数量进行实时性控制，并在此基础上还能够提供计算机网络宽带交换，最大程度上保证计算机王凯丽稳定性与高效性；2，分布层。计算机网络分布需要通过分层来实现，其中分布是计算机网络核心层之间的便捷，这在较大程度上也是计算机核心层与接入层之间的一个界限，VLAN在较大程度上具有较高的聚合特性，可以对不同用户计算机进行有效访问，并对网络功能实施控制，通过次助攻安全认证模型，能够在较大程度上提升计算网络工作效率，以此确保网络通信安全性。
　　4.3 提升结构体系设计质量
　　计算机网络在运行过程中最为重要的就是可靠性，需要在计算机网络可靠性提升的过程中进行网络结构体系的有效设计，在设计过程中应当根据设计要求进行规范化操作，并在此基础上根据自上而下的接地方式对网络系统实施有效的完善，同时还需要将不同层之间进行有效的联系，比如网络控制层、操作层、网络硬件以及操作系统等[8]。其中该设计不同结构主要表现在以下几个方面：1）网络操作层。此结构是计算机决策支持系统，并且在此基础上也是办公、教学等自动化系统，可在较大程度上实现用户的网络功能；2）网络控制层。网控制层主要是对数据库进行有效的服务，以此为用户提供网络层服务；3）网络操作系统。网络操作系统主要是不同软件在运行过程中可对计算机网络相关操作进行有效的支持；4）网络硬件层。该层主要有互连协议、拓扑结构以及服务等组成的网络硬件层。以上四层体系在较大程度上可有效提升计算网络可靠性与安全性。
　　5 计算机网络优化设计中遗传算法的应用
　　在计算机网络优化设计过程中，需要对数据信息进行深入的分析，并在分析过程中实施科学的计算，其中分析与计算需要经过多节点情况，通过多通道传输方式实施有效控制。此外，通道中均采用单一性数据连接，这就需要对系统单一性采用数学模型对其进行全面描述，同时还需要采用有效的方法对通道稳定性实施科学分析，这在较大程度上对节点之间的数据的可靠性具有较大的促进作用，对数据安全传输尤为重要。
　　5.1 数学模型
　　在对计算机网络优化设计过程中，需要在网络信息通信传输时进行数据模型的有效构建，以此对此有效说明，通过以下网络矩阵数据模型进行说明，以此对网络传输地介质实施公式化研究。
　　[C0=c11c12...c1nc21c22...c2n……cm1cm2...cmn]
　　其中，[Co]主要是传输介质矩阵，而评估链路介质间成本关系中，观察是否存在某种联系，则用[j（1≤j≤n）]，此链路主要是指矩阵中包含的链路。
　　在计算机网络通信过程中，需要表示信道链路介质在传输数据时的衡量值，可以通过以下公式来表示：
　　[MinC=?=1Nj=11Cifgij]
　　[Diaij≤αi，j=1，...，N]
　　[j=1gij≥βi=1，...，N]
　　其中，N主要是指计算机网络中地节点数量；C是通信信道中信息传输成本，[α与β]是节点可靠性约束常数；[Diaji]主要是指i与j之间的介质数，是最优的逻辑链路。若[gij]值为0时，则表明两者之间没有直接的链路，若[gij]值为1时，表明两者之间有一定的直连链路。
　　在计算机网络优化设计过程中，[R0]在其中较为重要，主要是指网络可靠性矩阵，计算机网络在运行过程中处于较高的可用状态，也就是计算机在网络环境中能够相互連通，在此基础上不同节点能够形成一定的系统，此系统能够在较大程度上使网络工作得到有效的保障[9]。
　　[R0=r11r12...rnr21r22...r2n......rm1rm2...rmn]
　　5.2 确定搜索方式
　　在对网络搜索实施优化的过程中，应对搜索方法进行有效的优化，在此过程中需要对主要问题实施有效解决，比如逼近精度以及收敛速度，其中收敛速度在网络优化搜索过程中代表优化搜索效率，逼近精度主要表示搜索质量，这在较大程度上是优化方法两个较为重要的标准。此外，遗传算法在运用的过程中有较大的优点，比如运用过程较为简单、便于操作等，但是也存在一些缺点，比如搜索能力存在一定的不足，易导致局部最优，这就需要通过对逼近精度进行有效的改善与优化，这在较大程度上能够加快优化搜索速度。在选择遗传算法的过程中，一般情况下使用启发式搜索算法，此算法具有较高的通用性，并在此基础上与遗传算法实施有效的结合，以此对比邻域解，这在较大程度上始终沿着优化解的方向搜索，该方法在应用过程中相对较为简单，并且搜索速度比较快，能够在较大程度上提高解空间出现单波谷的有效性，从而使网络规划优化得到全局最优。 　　5.3 遗传算法优化过程
　　遗传算法在优化的过程中，需要实施数学建模优化，通过顺序服务原则并采用排队模型实施有效的处理，能够在较大程度上解决对计算机网络通信问题与节点存储问题实施全面简化。此外，需要对可靠性进行有效的优化，并在此基础上实施合理的计算，其中主要包括路由复杂非线性方程以及分配容量，在求最优解的过程中，能够将遗传算法的运算过程表示如下：begin--（0--t）--初始化p--评估p--While不满足终止条件--begin--重组p。若在运算过程中约束条件相对较多的情况下，需要寻找一种简单的方法将问题得到彻底解决，遗传算法是最优方法[10]。此外，在对算法进行设计优化过程中，需要采用遗传算法作为优化设计的核心算法，这在较大程度上能够得到有效的近似值，对提高优化质量具有较大的促进作用。
　　6 结语
　　综上所述，在计算机网络优化设计过程中，遗传算法在其中得到广泛的应用，能够在较大程度上提升计算机网络优化设计质量。此外，随着我国经济的不断提高，计算机网络技术得到较快的发展，使人们对网络技术的可靠性与安全性要求更高，并且在此基础上应用标准更高，特别是依赖计算机网络的行业，需要通过网络具有较高的可靠性与安全性，以此提升企业计算机网络综合性能的提高。其中，在提升计算机网络综合性能的基础上，需要降低网络结点链路成本，以此来提升新技术的较快发展。由此可见，在对计算机网络优化设计过程中，将遗传算法应用到计算机网络优化设计中，可以有效提升计算速度与操作性能。
　　参考文献：
　　[1] 彭亮清， 吴耀群， 陈玮. 基于遗传算法的计算机网络可靠性优化设计[J]. 通讯世界， 2016（17）：3-4.
　　[2] 余涛， 刘泽燊. 遗传算法在计算机网络中的应用研究[J]. 数字技术与应用， 2017（4）：134-134.
　　[3] 陈安. 探析计算机网络可靠度优化计算中应用遗传算法[J]. 科技展望， 2016（14）：46-46.
　　[4] 毛奇. 基于遗传算法的计算机通信网络可靠性多目标优化设计[J]. 电子设计工程， 2017（1）：75-77.
　　[5] 李慧， 王二成， 李慧，等. 遗传算法在条形基础优化设计中的应用[J]. 计算机应用与软件， 2016（5）：274-277.
　　[6] 党向盈， 姜代红. 神经网络结合遗传算法在建筑优化设计中的应用[J]. 徐州工程学院学报（自然科学版）， 2017（2）：66-71.
　　[7] 郭蓓蓓. 复合遗传算法在机械优化設计中的应用[J]. 企业技术开发， 2017（6）：15-16.
　　[8] 吴立华， 白洁， 左亚军，等. 基于Matlab的遗传算法在结构优化设计中的应用[J]. 机电工程技术， 2017（10）：44-47.
　　[9] 睢丹， 黄永灿. 基于改进遗传算法的网络入侵检测[J]. 数字技术与应用， 2016（4）：191-192.
　　[10] 睢丹， 黄永灿. 基于改进遗传算法的网络入侵检测[J]. 数字技术与应用， 2016（4）：191-192.
　　【通联编辑：代影】
转载注明来源:https://www.xzbu.com/8/view-14789299.htm