王艷芳，穆紅濤

(遼陽職業(yè)技術(shù)學(xué)院，遼寧 遼陽 111000)

0 引言

1956年，達(dá)特茅斯會(huì)議第一次提出人工智能理念。經(jīng)過60多年的發(fā)展，人工智能已成為新一輪科技產(chǎn)業(yè)革命的重要驅(qū)動(dòng)力。作為新一代信息技術(shù)理念的代表，人工智能大面積提煉、集成了邏輯學(xué)、計(jì)算機(jī)、物理學(xué)、數(shù)學(xué)等學(xué)科的理論與方法，在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)領(lǐng)域具有極其廣闊的應(yīng)用前景。因此，分析人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用具有非常重要的現(xiàn)實(shí)意義。

1 人工智能的概念

人工智能(Artificial Intelligence，AI)特指研究、開發(fā)用于延伸、模擬人的智能的理論、技術(shù)科學(xué)[1]。從邏輯上來看，人工智能理念由若干個(gè)類似單元細(xì)胞的六面方體組成，每一個(gè)方體均是空白的，方體矩陣無視覺與聽覺能力，但可將句子拆分到空白方體內(nèi)，并以語句的形式建立一個(gè)連接。此時(shí)，若提前為方體矩陣錄入字典(或詞典)，方體之間可以詞的形式建立一個(gè)耳機(jī)連接，句子則會(huì)建立一個(gè)三級(jí)連接，形成了基本的神經(jīng)網(wǎng)絡(luò)。在神經(jīng)網(wǎng)絡(luò)形成后，需要為其創(chuàng)造面對(duì)面自然語言形式的主意識(shí)、基于周邊程序的自我干預(yù)輔助意識(shí)，滿足信息錄入時(shí)正誤邏輯反饋要求。在這個(gè)基礎(chǔ)上，人為加入對(duì)立的詞匯以及不確定性問題，形成完整的人工智能[2]。

2 人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用

2.1 粒子群算法在計(jì)算機(jī)網(wǎng)絡(luò)QoS路由優(yōu)化中的應(yīng)用

粒子群算法是人工智能理念計(jì)算智能的分支，也是一種生物人工智能，可以模擬自然界生物活動(dòng)、群體智能實(shí)現(xiàn)隨機(jī)搜索。QoS是計(jì)算機(jī)網(wǎng)絡(luò)傳輸數(shù)據(jù)流時(shí)要求滿足的系列服務(wù)請(qǐng)求，如延遲、帶寬、丟失率、延遲抖動(dòng)等。QoS路由則是根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)的可用業(yè)務(wù)流、可用資源QoS要求設(shè)置的多參數(shù)動(dòng)態(tài)路由協(xié)議，可用于解決多項(xiàng)式復(fù)雜程度非確定性問題。以往QoS路由因基于節(jié)點(diǎn)的周期性局部狀態(tài)映像，導(dǎo)致信息精確度喪失，無法反映細(xì)節(jié)網(wǎng)絡(luò)問題。因此，可以將粒子群算法應(yīng)用到計(jì)算機(jī)網(wǎng)絡(luò)QoS路由中，提高匯聚新信息精確度。從本質(zhì)上來說，基于粒子群算法的計(jì)算機(jī)QoS路由優(yōu)化過程是粒子群初始化后的優(yōu)化解輸出過程。

具體應(yīng)用過程中，首先需要進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)的初始化，即在確定約束條件中帶寬、延時(shí)、延時(shí)抖動(dòng)、包丟失率參數(shù)的基礎(chǔ)上，根據(jù)每條邊帶寬(或延時(shí)、延時(shí)抖動(dòng)、包丟失率)中的分量，將不滿足分量大于等于約束限度的參數(shù)去除。

其次，進(jìn)行粒子群算法中第i個(gè)粒子的位置、速度參數(shù)初始化，每一次迭代搜索后具有全局最優(yōu)和個(gè)體最優(yōu)，以位置參數(shù)初始化個(gè)體最優(yōu)，利用種群內(nèi)適應(yīng)值最佳的粒子位置初始化全局最優(yōu)。迭代過程如下：

(1)

再次，更新粒子群算法中的速度和位置，根據(jù)公式(2)完成每一個(gè)粒子的速度、位置值更新。同時(shí)根據(jù)公式計(jì)算每一個(gè)粒子適應(yīng)度F，在個(gè)體最優(yōu)小于每一個(gè)粒子的適應(yīng)值時(shí)，個(gè)體最優(yōu)與全局最優(yōu)相等。其公式為：

(2)

式(2)中，a、b、c、d分別為延時(shí)約束、延時(shí)抖動(dòng)約束、包丟失約束、約束在適應(yīng)度函數(shù)內(nèi)比重系數(shù)；φ表示懲罰函數(shù)；ΔD、ΔJ、ΔB、ΔP為網(wǎng)絡(luò)模型QoS參數(shù)，分別為延時(shí)、延時(shí)抖動(dòng)、帶寬、包丟失率；delay、jitter、loos、bandwidth為QoS路由參數(shù)，分別為延時(shí)、延時(shí)抖動(dòng)、包丟失率、帶寬；Pt(s，u)為運(yùn)動(dòng)過程中每條路徑t由位置s轉(zhuǎn)移到位置u的概率。

最后，更新全局最優(yōu)，在全局最優(yōu)的適應(yīng)值小于個(gè)體最優(yōu)時(shí)，兩者相等。此時(shí)，可輸入一次全局最優(yōu)結(jié)果到tabuk表內(nèi)，并促使表長(zhǎng)度numpk+1。進(jìn)而返回到“粒子群算法中第i個(gè)粒子的位置、速度參數(shù)初始化”環(huán)節(jié)，循環(huán)進(jìn)行，直到迭代步數(shù)超出最大步數(shù)，或者粒子群搜索的個(gè)體最優(yōu)位置適應(yīng)度未變換算法次數(shù)達(dá)到5次。

2.2 專家系統(tǒng)在計(jì)算機(jī)網(wǎng)絡(luò)智能診斷中的應(yīng)用

專家系統(tǒng)是借助研究領(lǐng)域?qū)＜抑R(shí)推理的方法解決專業(yè)高難度問題的智能化系統(tǒng)。根據(jù)長(zhǎng)時(shí)間實(shí)踐經(jīng)驗(yàn)可知，可以依托大量故障信息知識(shí)開發(fā)智能計(jì)算機(jī)網(wǎng)絡(luò)程序系統(tǒng)，突破以往基于信息模型描述系統(tǒng)故障精確度問題。比如利用失誤驅(qū)動(dòng)的計(jì)算機(jī)網(wǎng)絡(luò)故障診斷策略自學(xué)習(xí)，可以及時(shí)獲取診斷知識(shí)、學(xué)習(xí)診斷策略，拓展知識(shí)臺(tái)階。部分情況下，可以將人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)與專家系統(tǒng)相結(jié)合，進(jìn)一步提升計(jì)算機(jī)網(wǎng)絡(luò)故障信號(hào)分析與識(shí)別、推理智能化水平。ANN是一種非線性動(dòng)力學(xué)系統(tǒng)，由大量神經(jīng)元組成，兼具計(jì)算、學(xué)習(xí)、預(yù)測(cè)、記憶、識(shí)別、智能處理功能。在ANN與專家系統(tǒng)融合下的計(jì)算機(jī)網(wǎng)絡(luò)智能診斷中，可以在多層感知器網(wǎng)絡(luò)、自組織映射、自適應(yīng)共振理論支持下有效逼近各種映射，完成計(jì)算機(jī)網(wǎng)絡(luò)故障的智能診斷。

具體應(yīng)用過程中，首先可以將計(jì)算機(jī)網(wǎng)絡(luò)故障智能診斷劃分為域內(nèi)小范圍診斷、域間大范圍診斷2種情況，域內(nèi)小范圍診斷結(jié)構(gòu)為主從式，域間大范圍診斷結(jié)構(gòu)為對(duì)等式。任務(wù)分配始點(diǎn)為域內(nèi)小范圍診斷站點(diǎn)，域間大范圍診斷則發(fā)揮檢測(cè)請(qǐng)求任務(wù)轉(zhuǎn)發(fā)功能。此時(shí)，各推理優(yōu)劣評(píng)估任務(wù)就可以劃分到多個(gè)節(jié)點(diǎn)，可以有效降低管理站點(diǎn)負(fù)擔(dān)，在短時(shí)間內(nèi)完成狀態(tài)評(píng)定以及歷史執(zhí)行記錄檢測(cè)、運(yùn)行穩(wěn)定節(jié)點(diǎn)優(yōu)選。參與故障管理的框架結(jié)構(gòu)如圖1所示。

圖1 基于人工智能的計(jì)算機(jī)網(wǎng)絡(luò)故障診斷結(jié)構(gòu)

基于人工智能理念的計(jì)算機(jī)網(wǎng)絡(luò)故障診斷單元為Agent，包括AreaAgent、MaAgent(ManagerAgent)、RAgent(ResourceAgent)，其在管理范圍、工作重心上均具有一定差異。其中AreaAgent為最高層Agent，負(fù)責(zé)整個(gè)計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境內(nèi)部資源協(xié)調(diào)以及所管轄域內(nèi)檢測(cè)方法的評(píng)價(jià)，可直接將評(píng)價(jià)結(jié)果傳遞給MaAgent；MaAgent可以接收外界資源請(qǐng)求，結(jié)合AreaAgent命令以及RAgent信息，進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)內(nèi)資源分配計(jì)劃的制定。在接收到上層和下層信息后，MaAgent會(huì)自動(dòng)查找內(nèi)部知識(shí)庫，若內(nèi)部知識(shí)庫滿足要求，則向符合條件的節(jié)點(diǎn)上RAgent提交請(qǐng)求并進(jìn)行內(nèi)部知識(shí)庫節(jié)點(diǎn)信息的更改，進(jìn)而由RAgent完成結(jié)果反饋，反之AreaAgent需要將請(qǐng)求發(fā)動(dòng)到其他子網(wǎng)重新請(qǐng)求。進(jìn)而將允許結(jié)果反饋給MaAgent，由MaAgent將結(jié)果報(bào)告給RAgent；RAgent位于最底層，負(fù)責(zé)實(shí)時(shí)監(jiān)測(cè)計(jì)算機(jī)網(wǎng)絡(luò)資源的使用情況并將其報(bào)告給上級(jí)。

從域內(nèi)故障管理來看，每一個(gè)對(duì)外提供計(jì)算機(jī)網(wǎng)絡(luò)監(jiān)測(cè)服務(wù)的站點(diǎn)RAgent和域內(nèi)監(jiān)控節(jié)點(diǎn)MaAgent組成了層次化協(xié)調(diào)管理機(jī)構(gòu)，RAgent負(fù)責(zé)將故障檢測(cè)評(píng)價(jià)工作內(nèi)容發(fā)放給各資源節(jié)點(diǎn)，各資源節(jié)點(diǎn)上RAgent需要根據(jù)現(xiàn)階段計(jì)算機(jī)網(wǎng)絡(luò)狀態(tài)屬性數(shù)值評(píng)估網(wǎng)絡(luò)狀況并將評(píng)估結(jié)果上報(bào)給MaAgent[6]。RAgent知識(shí)庫主要用資源表R_RT表示，包括account(檢測(cè)造成網(wǎng)絡(luò)資源消耗)、historyrecord(節(jié)點(diǎn)檢測(cè)歷史狀況)、overload(UDP數(shù)據(jù)流負(fù)載)、networkstate(本地資源節(jié)點(diǎn)物理層、網(wǎng)絡(luò)層、數(shù)據(jù)鏈路層與應(yīng)用層狀況)4個(gè)部分；MaAgent負(fù)責(zé)根據(jù)RAgent發(fā)布網(wǎng)絡(luò)狀態(tài)，依托C_RT、L _RT資源表，綜合考慮當(dāng)前服務(wù)質(zhì)量以及常量比重進(jìn)行域內(nèi)節(jié)點(diǎn)管理，并根據(jù)檢測(cè)請(qǐng)求完成資源分配、任務(wù)分配以及域內(nèi)網(wǎng)絡(luò)節(jié)點(diǎn)負(fù)載平衡維護(hù)。具體形式為：=[