宋楊

摘 ?要： 網(wǎng)絡(luò)發(fā)展的時代，對于計(jì)算機(jī)網(wǎng)絡(luò)的穩(wěn)定性和可靠性研究是發(fā)展的必然趨勢，在網(wǎng)絡(luò)資源固定的情況下，在單位鏈路中增加網(wǎng)絡(luò)資源的使用是整個網(wǎng)絡(luò)系統(tǒng)優(yōu)化的核心。在通過對遺傳算法的改進(jìn)，在滿意度和適應(yīng)度指標(biāo)函數(shù)的判斷下，改變網(wǎng)絡(luò)的性能，經(jīng)過數(shù)據(jù)迭代的次數(shù)來控制網(wǎng)絡(luò)的約束條件，根據(jù)函數(shù)的驗(yàn)證進(jìn)行優(yōu)化設(shè)計(jì)。在本文中通過研究網(wǎng)絡(luò)改進(jìn)成本和迭代次數(shù)的關(guān)系，來驗(yàn)證遺傳算法優(yōu)化的成果，為計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化設(shè)計(jì)提供了實(shí)際的數(shù)據(jù)依據(jù)。

關(guān)鍵詞： 改進(jìn)遺傳算法;計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化設(shè)計(jì);拓?fù)浣Y(jié)構(gòu);滿意度

中圖分類號： TP3 ???文獻(xiàn)標(biāo)識碼： A ???DOI：10.3969/j.issn.1003-6970.2020.09.055

【Abstract】： In era of network development， it is an inevitable trend to research stability and reliability of computer network. Under condition of fixed network resources， increasing application of network resources in unit link is the core of optimization of whole network system. Through modified genetic algorithm， under judgment of satisfaction and fitness index function， we can change performance of network， control constraints of network through iterations， and optimize design according to function verification. The paper studies relationship between cost of network improvement and iterations to verify results of genetic algorithm optimization， provides practical data basis for computer network reliability optimization design.

【Key words】： Modified genetic algorithm; Computer network reliability optimization design; Topology; Satisfaction

0 ?引言

計(jì)算機(jī)網(wǎng)絡(luò)可靠性的研究是計(jì)算機(jī)發(fā)展的必然趨勢，在計(jì)算機(jī)區(qū)域連接和網(wǎng)絡(luò)連接相互拓展的過程中，信息網(wǎng)絡(luò)技術(shù)的發(fā)展成為結(jié)構(gòu)化發(fā)展的先決條件，人們越來越多的依賴于信息技術(shù)，同時計(jì)算機(jī)網(wǎng)絡(luò)在一些重要的領(lǐng)域用途也很關(guān)，對經(jīng)濟(jì)、社會和國防等方面都有很長遠(yuǎn)的影響。信息網(wǎng)絡(luò)的可靠性是提高網(wǎng)絡(luò)質(zhì)量的重要評判標(biāo)準(zhǔn)，在拓?fù)浣Y(jié)構(gòu)中利用程序上的改變和優(yōu)化，能夠強(qiáng)化網(wǎng)絡(luò)的能力，降低網(wǎng)絡(luò)的造價，對穩(wěn)定性有很好的幫助作用。在本文中就是以改進(jìn)遺傳算法的方式強(qiáng)化計(jì)算機(jī)網(wǎng)絡(luò)可靠性。

目前在我國計(jì)算機(jī)網(wǎng)絡(luò)穩(wěn)定性的研究基于電信信號網(wǎng)絡(luò)的交換研究[1]，在網(wǎng)絡(luò)信號故障的基礎(chǔ)上，利用電信信號的傳輸實(shí)現(xiàn)容量的改變，在信號交換的情況下實(shí)現(xiàn)傳輸。但是這種方式的可靠性還是對線路的要求較高，難以在長期的技術(shù)發(fā)展中得到運(yùn)用。后期網(wǎng)絡(luò)故障率提高，通過對網(wǎng)絡(luò)安全認(rèn)證進(jìn)行指標(biāo)的界定，在評價體系中實(shí)現(xiàn)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)。運(yùn)用拓?fù)湟?guī)劃的形式解決網(wǎng)絡(luò)障礙的問題[2]。隨著智能優(yōu)化方案的數(shù)量增多，可行性和可靠性的網(wǎng)絡(luò)技術(shù)方案在不斷的更新，利用優(yōu)化的手段，在粒度方面對遺傳算法進(jìn)行優(yōu)化的形式有了很好的使用[3]，通過多目標(biāo)的方式，實(shí)現(xiàn)網(wǎng)絡(luò)的整體優(yōu)化。

1 ?計(jì)算機(jī)網(wǎng)絡(luò)可靠性原理分析

1.1 ?網(wǎng)絡(luò)數(shù)據(jù)傳送的穩(wěn)定性

計(jì)算機(jī)網(wǎng)絡(luò)可靠性是在獨(dú)立的計(jì)算機(jī)運(yùn)行下，不同的網(wǎng)絡(luò)協(xié)議之間的交互，在特定的網(wǎng)絡(luò)中實(shí)現(xiàn)功能化的使用[4]，單獨(dú)的計(jì)算機(jī)不受到其他設(shè)備的控制，在任意網(wǎng)絡(luò)條件下形成信息資源的使用，在路徑方面，根據(jù)獨(dú)立性的特點(diǎn)，在網(wǎng)絡(luò)信息的終端實(shí)現(xiàn)信息的交換，在子網(wǎng)絡(luò)和資源網(wǎng)絡(luò)中實(shí)現(xiàn)共享，利用子網(wǎng)絡(luò)對計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)的處理，保證了數(shù)據(jù)使用的穩(wěn)定性。通常情況下，計(jì)算機(jī)網(wǎng)絡(luò)在地理上，由于其跨度較大，保證網(wǎng)絡(luò)的完整性的前提下就需要通信的穩(wěn)定，在用戶端和服務(wù)器之間必須利用算法進(jìn)行資源的優(yōu)先合并。在可靠性的概率圖顯示中，在源點(diǎn)和交匯點(diǎn)之間必選有一條運(yùn)行正常的數(shù)據(jù)鏈，在兩點(diǎn)之間的流動形成的數(shù)據(jù)集合中，保證數(shù)據(jù)鏈概率提高。

1.2 ?遺傳算法的分析結(jié)論

計(jì)算機(jī)個體之間獨(dú)立，在借鑒生物領(lǐng)域的思維方式，在全系統(tǒng)中實(shí)現(xiàn)算法的自動檢測[5]，把原有單一的個體進(jìn)行群組的畫風(fēng)，個體在數(shù)據(jù)的串聯(lián)性形成數(shù)據(jù)矩陣，在空間當(dāng)中進(jìn)行排布，利用不同的評估方式，在交叉和變異的條件下，形成遺傳算子，根據(jù)遺傳計(jì)算的方式，進(jìn)行問題的求解，在矩陣計(jì)算中，對遺傳方程進(jìn)行最優(yōu)求解，實(shí)現(xiàn)編碼和遺傳操作。在不同算法中，利用交叉的方式，在數(shù)據(jù)中進(jìn)行篩選，通過在父代的數(shù)據(jù)，在個體上進(jìn)行函數(shù)計(jì)算，根據(jù)不同的淘汰規(guī)則，進(jìn)行遺傳優(yōu)化演變方向，形成最優(yōu)的搜索內(nèi)容。在交叉方面，根據(jù)全系統(tǒng)的計(jì)算能力，在單個輔助計(jì)算的方式，在局部中形成搜索能力的強(qiáng)化。在遺傳算法的優(yōu)化中，能夠?qū)?shù)編碼的對象進(jìn)行重新編輯，在參數(shù)方面，避免了數(shù)據(jù)的局限性，在搜索的范圍上有了很大的提高。

2 ?計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化內(nèi)容

對于計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化，主要是在不同的目標(biāo)中進(jìn)行分析計(jì)算。在特定的區(qū)域當(dāng)中，根據(jù)網(wǎng)絡(luò)的性能特點(diǎn)，綜合考慮網(wǎng)絡(luò)的穩(wěn)定性和可維修方面的因素，對多目標(biāo)問題進(jìn)行優(yōu)化。利用較少的投入，有更多的優(yōu)化方式。在向量函數(shù)中，根據(jù)不同的變量，對函數(shù)進(jìn)行極小化，利用遺傳算法的方式對闡述進(jìn)行無約束的條件優(yōu)化，在自動搜索的前提下，實(shí)現(xiàn)魯棒性的加強(qiáng)。在計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化中，通過制定編碼數(shù)據(jù)方案，在染色體序列中，對基因進(jìn)行排列，形成初期的個體，將批量的個體進(jìn)行分類，形成組運(yùn)算，通過計(jì)算得到染色體單一的適應(yīng)度分析，確定不同染色體能夠遺傳下一點(diǎn)的概率，在交叉運(yùn)算中，導(dǎo)出染色體配對的記錄，最終得到最優(yōu)的配對方式。在配優(yōu)的過程中，利用滿意度函數(shù)作為衡量指標(biāo)[6]：

其中，costmin 為網(wǎng)絡(luò)優(yōu)化最小費(fèi)用，costopt最小值略大，在可靠性的約束條件下，根據(jù)初始化的計(jì)算，求得可靠權(quán)值，對于不符合約束條件的數(shù)據(jù)進(jìn)行處理，保證在可靠性上能夠滿足滿意度指標(biāo)。在結(jié)合遺傳算法中，根據(jù)流程算法的計(jì)算，不斷對父代數(shù)據(jù)進(jìn)行迭代，并進(jìn)行仿真模擬，在經(jīng)歷多代遺傳后，形成較為穩(wěn)定的數(shù)據(jù)穩(wěn)定曲線。

對于W的變化，優(yōu)化的結(jié)構(gòu)存在很大的不同。在中心點(diǎn)中，每個數(shù)字變量上有三個分支，形成不同的結(jié)構(gòu)樹，利用結(jié)構(gòu)變化進(jìn)行數(shù)據(jù)的迭代，在權(quán)值的計(jì)算中，根據(jù)可靠性分析得到滿意度較高的遺傳數(shù)據(jù)，同時解決了優(yōu)化成本提高的現(xiàn)實(shí)問題，在拓?fù)浣Y(jié)構(gòu)中完成了計(jì)算機(jī)網(wǎng)絡(luò)通信的優(yōu)化。

3 ?計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化流程

3.1 ?計(jì)算機(jī)網(wǎng)絡(luò)可靠性優(yōu)化準(zhǔn)則及模型

在進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)可靠性設(shè)計(jì)時應(yīng)充分考慮：

（1）選擇合理有針對性的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu);（2）網(wǎng)絡(luò)應(yīng)具有較強(qiáng)的容錯能力和冗余性;（3）為了應(yīng)對系統(tǒng)的升級和 擴(kuò)容，應(yīng)采用開放互聯(lián)的網(wǎng)絡(luò)體系結(jié)構(gòu);（4）在選用高性能計(jì)算機(jī)硬件、網(wǎng)絡(luò)鏈路介質(zhì)的同時，搭配先進(jìn)的網(wǎng)絡(luò)管理軟件;（5）對計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)進(jìn)行優(yōu)化配置，充分利用所有資源，最大限度發(fā)揮系統(tǒng)性能。在使計(jì)算機(jī)網(wǎng)絡(luò)總成本不大于網(wǎng)絡(luò)鏈路成本的同時，求可靠性優(yōu)化模型最大值，進(jìn)而確定網(wǎng)絡(luò)鏈路的最優(yōu)解。

3.2 ?基于改進(jìn)遺傳算法的網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)

遺傳算法的網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)關(guān)鍵因素有對模型構(gòu)建的遺傳算法以及可行解的編碼方法。 基于改進(jìn)遺傳算法的網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)算法流程為：（1）使用二進(jìn)制對初始群體進(jìn)行編碼，進(jìn)而對遺傳 基因進(jìn)行表達(dá)。（2）計(jì)算種群個體的成本值并進(jìn)行排序，選取適當(dāng)?shù)倪m值函數(shù)f（x）=（x1）/（Ps1），其中Ps為種群大小。（3）通過適值函數(shù)對種群規(guī)模進(jìn)行選擇，淘汰概率小的種群基因，提高算法的流暢性。（4）在確保網(wǎng)絡(luò)連通性的前提下，對網(wǎng)絡(luò)節(jié)點(diǎn)應(yīng)用改進(jìn)的遺傳算法進(jìn)行優(yōu)化，確定基因交叉位置，求解系統(tǒng)最優(yōu)解。（5）在滿足終止條件，即設(shè)定的最大迭代次數(shù)之前不斷迭代計(jì)算，直到得到計(jì)算機(jī)網(wǎng)絡(luò)可靠性的全局最優(yōu)解。

3.3 ?實(shí)驗(yàn)與仿真

計(jì)算機(jī)網(wǎng)絡(luò)包含若干個節(jié)點(diǎn)，如何利用遺傳基因 對復(fù)雜的網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行描述，繼而對網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè) 計(jì)并提高網(wǎng)絡(luò)可靠性是解決問題的關(guān)鍵。二進(jìn)制編碼可以將網(wǎng)絡(luò)節(jié)點(diǎn)和遺傳基因很好地對應(yīng)起來，且編碼規(guī)則簡單、易于操作，因此本文采用二進(jìn)制編碼進(jìn)行網(wǎng)絡(luò)節(jié)點(diǎn)的基因描述。為了驗(yàn)證本文算法對計(jì)算機(jī)網(wǎng)絡(luò)可靠度優(yōu)化設(shè)計(jì)的效果及算法的先進(jìn)性、實(shí)用性，下面在相同的計(jì)算機(jī)網(wǎng)絡(luò)可靠度模型和計(jì)算機(jī)網(wǎng)絡(luò)鏈路成本模型中，將本文基于改進(jìn)遺傳算法與容斥原理算法、模糊神經(jīng)網(wǎng)絡(luò)算法和神經(jīng)網(wǎng)絡(luò)算法作一對比。實(shí)驗(yàn)條件選取如下網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)為8，用N表示;最大迭代次數(shù)為100;可靠度約束常數(shù)和均為2;計(jì)算機(jī)內(nèi)存為32 GB，采用Intel i7處理器和Win7操作系統(tǒng)。

通過圖4中的仿真結(jié)果可知：隨著遺傳操作迭代次數(shù)的增加，網(wǎng)絡(luò)系統(tǒng)的可靠度不斷提高，但當(dāng)遺傳操作 迭代次數(shù)增加到一定程度時，網(wǎng)絡(luò)的可靠度提高受制于 硬件或其他因素而逐漸趨于平緩， 最終在迭代次數(shù)為100 時達(dá)到最大值0.894。在隨著迭代次數(shù)不斷的變化，成本也隨著介質(zhì)的成本發(fā)生變化，總體是呈現(xiàn)反相關(guān)的情況，當(dāng)?shù)螖?shù)增加，成本不斷的降低，在迭代次數(shù)保持在10以內(nèi)，成本下降的速率最快，當(dāng)?shù)螖?shù)再次增加時，成本降低速率明顯的降低，并相對出現(xiàn)趨于穩(wěn)定的情況，當(dāng)最終迭代數(shù)量控制在65左右，成本變化值基本保持不變，這就意味著迭代的次數(shù)已經(jīng)對成本造成的影響忽略不計(jì)，再次改變迭代的次數(shù)也不會出現(xiàn)成本的變化[7]。在這個階段就要通過其他的手段對網(wǎng)絡(luò)進(jìn)行優(yōu)化，不斷的降低網(wǎng)絡(luò)鏈條測整體成本。根據(jù)實(shí)驗(yàn)的結(jié)果能夠看出，在遺傳改進(jìn)算法中，采用的適應(yīng)度和滿意度的函數(shù)，在結(jié)果的分析中存在反比例的情況[8]，通過強(qiáng)化適宜性函數(shù)的優(yōu)點(diǎn)，在收斂的條件下，保證成本回歸的多樣性，根據(jù)收斂和回歸得到函數(shù)的最優(yōu)解，同時利用容斥原理計(jì)算的網(wǎng)絡(luò)可以很好的提高網(wǎng)絡(luò)的穩(wěn)定性，將神經(jīng)算法和網(wǎng)絡(luò)相互結(jié)合能夠很好的控制網(wǎng)絡(luò)運(yùn)行優(yōu)化的成本，充分發(fā)揮網(wǎng)絡(luò)優(yōu)化的優(yōu)勢，在交叉和復(fù)制操作中尋找最優(yōu)解，在不斷的迭代中尋求最為合理的優(yōu)化成本[9-10]，并根據(jù)遺傳淘汰機(jī)制，對算法進(jìn)行更新，保證數(shù)據(jù)鏈的完整性，也能夠通過遺傳算法對整體的滿意度進(jìn)行修正，不斷對計(jì)算機(jī)的結(jié)果進(jìn)行驗(yàn)算和校核。

4 ?結(jié)語

在通信技術(shù)不斷強(qiáng)化的情況下，網(wǎng)絡(luò)因網(wǎng)絡(luò)的使用變得更為稀疏，可靠性的研究顯得尤為的重要，利用網(wǎng)絡(luò)系統(tǒng)的拓?fù)浣Y(jié)構(gòu)，在可靠性和滿意度的函數(shù)分析條件下，對算法進(jìn)行智能的調(diào)整，根據(jù)遺傳算法的特性，在多目標(biāo)框架下實(shí)現(xiàn)網(wǎng)絡(luò)的優(yōu)化，在本文中，根據(jù)多目標(biāo)函數(shù)的特征，在利用遺傳算法的基礎(chǔ)上優(yōu)化網(wǎng)絡(luò)優(yōu)化成本，對滿意度函數(shù)的表達(dá)基礎(chǔ)上，實(shí)現(xiàn)計(jì)算書網(wǎng)絡(luò)算法的最優(yōu)解，并在滿意優(yōu)化的前提下，對不同的應(yīng)用環(huán)境進(jìn)行相應(yīng)的適應(yīng)性調(diào)整。

參考文獻(xiàn)

[1]劉后銘. 計(jì)算機(jī)通信網(wǎng)， （修訂版）[M]. 西安電子科技大學(xué)出版社， 1996.

[2]鄭龍， 羅鵬程， 周經(jīng)倫. 網(wǎng)絡(luò)可靠性研究綜述[J]. 中國科技信息， 2006（1 A）： 9， 11.

[3]郭彤城， 慕春棣. 并行遺傳算法在一類計(jì)算機(jī)通信網(wǎng)絡(luò)可靠性優(yōu)化問題中的應(yīng)用. 系統(tǒng)工程理論與實(shí)踐. 2003， 23 （1）： 31-36.

[4]潘新民. 計(jì)算機(jī)通信技術(shù)[M]. 北京： 電子工業(yè)出版社， 2002.

[5]王凌. 智能優(yōu)化算法及其應(yīng)用[M]. 北京： 清華大學(xué)出版社， 2001.

[6]Behr A， Camarinopoulos， L.&Pampoukis， Cx， Domination of K-out-of-n systems[J]. IEEE Transactions on Reliability， 1995， 44（4）： 705-707.

[7]劉麗芳， 孟志剛， 張常利. 基于種群熵的改進(jìn)型遺傳算法[J]. 軟件， 2012， 33（2）： 114-116.

[8]羅景峰， 劉艷秋. 智能算法在全終端網(wǎng)絡(luò)可靠性優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 計(jì)算機(jī)測量與控制， 2007， 15（6）： 782-785.

[9]羅景峰， 劉艷秋一種全終端網(wǎng)絡(luò)可靠性多目標(biāo)優(yōu)化模型及求解[J]. 計(jì)算機(jī)技術(shù)與發(fā)展， 2007， 17（8）： 23-25， 28.

[10]王衛(wèi)榮， 金鵬， 黃康. 免疫遺傳算法在多目標(biāo)優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 起重運(yùn)輸機(jī)械， 2007（2）： 25-28.