计算机网络可靠度优化计算中遗传算法的实践分析

卢宏煦 刘恒

摘要：当前正值计算机网络科技时代，计算机网络已成为各行业普遍使用的重要工具之一，如何提高计算机网络可靠度并对其进行优化已成为全球关注的焦点。而遗传算法相较于传统算法具有求解便捷、搜索高效、算法结构简便等特点，并且在计算全局时可以获取最优近似值。因此，本文在兼顾计算机网络链路介质成本和网络可靠度数学模型因素的同时，通过实践分析将遗传算法应用于计算机网络可靠度优化计算及其执行过程。

关键词：计算机网络；可靠度；优化；遗传算法；实践分析

中图分类号：TP393文献标识码：A文章编号：1009-3044(2012)01-0093-03

随着计算机网络技术的逐渐壮大发展，全球计算机网络普及率日益提高，进而各行业对于计算机网络依赖性也相继增强，如银行业、医疗行业、网络销售行业等。计算机网络可靠性（Reliability），又称计算机网络可用性（Availability），指计算机网络存在着一棵生成树的可能性，是描述计算机网络保证各个用户之间相互联通能力的重要参数，其测度包括：网络连通性、生存性、抗破坏性以及多种模式下网络元件的有效性等。因此，如何科学提高计算机网络可靠度并对其进行优化成为广大计算机网络研究人员及使用人员关注的焦点。

1计算机网络可靠性概念简析

计算机在一定的操作、负载、温湿度和维修方式的条件下，并且在规定的时间内，可连通网络和保持网络通信的能力被称作计算机网络可靠性，其体系科学完整，并经历了半个多世纪的发展扩充，已经被作为系统工程科学。计算机网络可靠度可分为一下三种不同类型：

1)ɑ终端可靠度：制定汇点和制定源点之间至少存在一条正常链路的概率即为ɑ终端可靠度；

2)γ终端可靠度：指定的γ个结点所构成的集合中都存在正常链路的概率称为γ终端可靠度；

3)全终端可靠度：任意亮点间均存在正常链路的概率被称作全终端可靠度。

另外，支持计算机网络正常运行的参数还包括计算机网络结构，它也是计算机网络运行的一项重要那个参数。

2问题描述

假设所使用的计算机传输介质两节点之间不多于一条直线接链路，因此计算机网络可以运用数学图G=（N，L）进行描述。并且网络节点自身不会发生任何故障，网络链路介质可靠度与自身长度无相关关系，网络和网络链路只存在两种状态：正常工作以及故障，同时网络中的设备（包括计算机网络传输介质及交换设备）出现故障是随机的并且是相互独立的。

网络链路介质成本矩阵如（1）所示：

3.4计算适值

将种群中个体成本值由大到小降序排列，则最适值函数如（8）所示：

f（x）=（x-1）/(PoP-size-1)（8）

x：个体在成本排序中的位置（最小成本的个体排序编码为1）；PoP-size：种群规模即最大成本的个体排序编码。

3.5遗传运算

遗传运算主要以交叉和变异两种形式进行。

3.5.1交叉

通过在网络结点范围内（[1,N]）产生随机数，以此设定基因交叉位置且每次只能对一个结点实现操作。这样可最大保持原有网络连通性，但是有时可能出现错误的网络连通结构，所以还需要进行调整操作。

3.5.2变异

先要确认变异的基因及数目，之后按照选定范围选取新的基因片段以替代旧基因片段，以此生成后代。通常异变率均在0.001到0.01范围内，但有时若异变产生错误的网络连通结构的基因，就需要进行调整操作。

3.6进化运算

须保证每个基因的选择概率应与其适值成正比，公式如（9）所示：

此时网络可靠度约束常数都为2，总结点数为5，迭代次数为100次。仿真求解表明，网络链路介质总成本为40，保证网络可靠度最大值得0.88。

5结束语

通过实践分析，应用遗传算法对计算机网络可靠度进行优化，确实可以有效降低网络链路总成本，并在原有基础之上进一步提高计算机网络的可靠度，整个过程操作简便，并易于实现。

参考文献：

[1]李宗英.计算机网络可靠性优化技术[J].软件导刊,2008(6).

[2]张永富.基于遗传算法的网络可靠性优化设计[D].南京:南京邮电大学,2008.

[3]汪定伟,唐加福,黄敏.遗传算法与工程设计[M ].北京:科学出版社, 2000.

[4] Ball M, Van R M Slyke.Backtracking algorithms for network reliability analysis[J].Annuls of Discrete Mathematics, (1)1977, (1):49-64.