APP下载

基于遗传算法的计算机通信网优化探讨

2017-07-29朱威威

魅力中国 2017年12期
关键词:通信网络遗传算法优化设计

朱威威

摘要:随着经济的高速发展,带动计算机通信网络技术的发展,现代化进程离不开计算机信息技术的支持。计算机通信网优化设计是提升计算机网络性能的主要手段,为人们上网学习工作提供一定的保障。遗传算法是生物遗传法则中一种自然选择最优机制,是促进生物不断进化的主要方法,遗传算法不仅可以运用与生物遗传法则中,还可以应用在计算机通信网的优化设计工作中,本文就基于遗传算法来研究探讨设计计算机通信网优化工作,希望可以为计算机通信网优化工作贡献自己的绵薄之力。

关键词:遗传算法;计算机;通信网络;优化设计

随着社会的进步发展,经济的繁荣,为了更加便捷的办公学习,为了更有效、可靠的传递信息、处理信息,孕育出计算机通信网。但是由于通信网的工作环境较为复杂,需要选择最佳的通信网工作机制,因此,优化计算机通信网成为通讯工程研究领域备受关注的研究课题。本文基于生物遗传法则中的遗传算法来研究计算机通信网优化设计,在文中首先系统地介绍遗传算法与计算机通信网两大概念;其次,根据遗传算法研究计算机通信网优化的设计方案。

计算机网络优化的传统方法大多是在经验累积的基础上,人们通过一些简单的计算方法完成的,计算简单但是也存在明显的缺点,遗传算法是在当搜索范围较大时,可以精准找到解决问题的方法,有较灵活解决问题的空间。

一、概述

在这一板块,笔者简要介绍遗传算法与计算机通信网这两个基本概念,其中重要介绍遗传算法的特点和计算机通信网的主要任务。

(一)遗传算法

1.含义。遗传算法是1957年美国J.Holland教授首先提出的,是根据生物界适者生存,优胜劣汰遗传机制而演化而来的随机化搜索方法。

2.特点。(1)可直接对结构对象进行操作,无求导和函数连续性限定;(2)具有内在的隐并行性和更好的全局寻优能力;(3)采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则;遗传算法是现代有关智能计算中的关键技术,是计算机科学人工智能领域中用于解决最优化的一种搜索启发式算法,是进化算法中的一种,遗传算法也可以应用于计算机通信优化的探讨。

(二)计算机通信网

1.含义。计算机通信网是指将若干台具有独立功能的计算机通过通信设备以及传输媒体互连起来,在通信软件的支持下,实现计算机与计算机之间的信息传输与交换系统,通信网为计算机之间的数据传输和交换提供技术条件支持,计算机技术发展也促进通信技术的发展,丰富通信网络的功能。

2.计算机通信网的任务。计算机通信网的任务主要有数据传输、提供资源共享、提高系统可靠性、采取分布式处理、实时管理控制分散的管理对象、节省各类软件和硬件的开销等多个任务,计算机通信网是信息现代化的主要标志。

(三)计算机通信网运用遗产算法的优势

遗传算法可以有效的解决组合优化和复杂函数的优化问题,能够推动计算机通信网的优化设计,其优势主要有:

1.搜索选择范围广。在进行优化选择时可以将全部优化变量编码作为搜索对象,扩大优化选择的范围能够更加利于问题的解决。

2.工作效率高。计算机通信网优化设计过程是由一个解群向另一个解群搜索,其效率要高于其他搜索方式。

3.针对性强。遗传算法在寻找优化方法时不会利用除目标函数值外的数据信息,具有较强的针对性。

二、基于遗传算法的计算机通信网优化设计

(一)计算机通信网优化设计的要求

1.连通性。要保障在通信网中计算机之间的连通性,合理解决因为网络设备有限或出现故障造成无法连通的情况,连通性是计算机通信网优化设计的基本要求之一。

2.可靠性。主要指的是通信网的信道和设备不易出现故障,或有备用信道和设备进行迂回传递信息,保障通信网的通畅。

3.快速通信。计算机通信网采用分组交换,需要分组在交换机中排队等待,造成传输时延,在计算机通信网优化设计中尽量减少时延,保证快速通信。

4.高质量。计算机通信网进行数据传输工作时出现误码率低、信噪比大。

5.灵活性强。计算机通信网需要逐步投资扩建,在扩建过程中不断有新用户加入通信网中,这就要求计算机通信网能够有不断扩容的灵活性。

6.经济适用性强。在计算机通信网优化设计中要充分考虑经济因素,尽量做到经济适用,减少经济开支,实现利益最大化。

(二)计算机通信网优化设计的主要步骤

按照遗传算法对计算机通信网进行优化设计,必须严格按照规定的步骤进行,避免出现算法错误,影响计算机通信网优化进程,造成更大的经济损失。计算机通信网优化设计的步骤主要分为确立编码方案、适应度运算、选择运算、交叉运算、变异运算等五个基本步骤,下面笔者进行具体分析着五个基本步骤:

1.确立编码方案:经过程序编码后的序列称为染色体,这些染色体随机产生一组初始染色体,初始染色体又被称为计算机通信网优化设计方案中的初始群体。

2.适应度运算:初始群体数据在上一环节已经产生,在这一环节中要进行适应度运算,形成组解,对于形成组解内的各个染色体适应度进行求解。

3.选择运算:将计算机通信网优化设计实际所需要的染色体遗传到下一代群体中,在遗传完成后在进行概率运算,并且随机产生符合条件的下一代染色体。

4.交叉运算:对新形成的染色体进行配对,计算交叉概率,然后进行部分染色体互换。

5.变异运算:在这一运算环节以变异的概率为主,在变异点对染色体基因值进行改变,重复进行之前运算步骤,直到产生符合条件的优良个体,就是计算机通信网优化设计的最优设计结果。

(三)计算机通信网优化设计结果分析

计算机通信优化设计需要有清晰明了的计算环境,而遗传算法是在matlab环境下进行计算的,种群大小为100,最大迭代次数为300次,交叉率为0.5,变异率为0.7。在计算机通信网优化设计过程中,通信网的网络费用、时延、可靠性都是0.33,但是为了提高可靠性,达到低成本的目标可以提高到0.5,这样更有利于提高计算机通信网的优化设计成果。

三、結束语

由于经济高速发展,对计算机信息技术的要求也越来越高,优化计算机通信网成为必然,使用遗传算法能够较明显的优化计算机通信网,提高通信网的可靠性,保障通信网连通性,实现高质量的快速通信,减少时延,降低经济成本,提高通信网的灵活性,使之适应新时期的经济发展。笔者也坚信遗传算法不仅仅可以运用到计算机通信网优化设计中,在未来还能够被更多领域开发利用,为人类社会提供更加便利的生活方式,提高人们生活水平,总而言之,笔者基于遗传算法研究计算机通信网的优化,就是希望能够提高计算机通信网的可靠性,更好的服务于人类的生活和工作。

参考文献:

[1]张春余. 基于遗传算法的计算机通信网优化设计[J]. 黑龙江科技信息,2014,09:148.

[2]张晨光. 遗传算法在计算机通信网优化中的价值探究[J]. 产业与科技论坛,2015,12:59-60.

[3]廖葵,张江. 基于遗传算法的计算机通信网优化设计[J]. 电子技术与软件工程,2015,21:42.

猜你喜欢

通信网络遗传算法优化设计
基于遗传算法对广义神经网络的优化
基于遗传算法对广义神经网络的优化
基于遗传算法的临床路径模式提取的应用研究
基于遗传算法的临床路径模式提取的应用研究
遗传算法在校园听力考试广播系统施工优化中的应用
物流配送车辆路径的免疫遗传算法探讨
空间激光通信研究及发展趋势
物联网关键技术的发展对通信网络的影响
基于simulation的医用升降椅参数化设计
简述建筑结构设计中的优化策略