计算机网络连接增强优化中的均场神经网络算法

2017-12-27谢清秀

数码世界 2017年2期

关键词：网络连接网络拓扑计算机网络

谢清秀

四川省委党校（四川行政学院）

计算机网络连接增强优化中的均场神经网络算法

谢清秀

四川省委党校（四川行政学院）

随着互联网技术地飞速发展和计算机信息技术不断革新，计算机网络技术也得到了迅猛地发展。并且现在已经逐渐的伸入到了大家的日常生活中来，尤其是在人们日常生活和工作中，方方面面都与计算机网络紧密联系，不可分割。本文针对计算机网络连接优化方面的增强措施，研究出了一种比较有效、科学地方法均场神经网络算法，并充分结合计算机网络拓扑结构和均场神经网络算法来展开讨论和深入地分析。

神经网络算法网络连接均场优化增强

随着计算机网络发展的日新月异，人们都享受到了网络所带来的方便与快捷。计算机网络技术是一门发展迅速且科技含量高的注重实际应用的技术，其本身就是结合计算机来为人们提供服务，且要能够满足广大群众要求的。因此为了解决网络连接在用户呈直线增长的情况下，满足用户的要求，就需要网络技术及通信技术上不断地优化和创新发展。目前，国内计算机网络连接问题频繁发生，计算机网络连接环节相对薄弱，在某种程度上来说无法提供给用户一个比较可靠地网络环境。因此，要彻底改变现状或者避免此种情况的发展，就需要对计算机网络的连接和通信进一步增强和优化处理。必要时还需研制出合适的方法来扩展网络的拓扑结构和优化计算机网络的通信效率，从而使计算机网络的容量得到增加。但是在网络提供给大家众多好处与生活便利的同时，仍然会存在许多安全因素会影响到群众，比如在经济状况方面，目前无法排除网络一旦出现问题可能会使经济受到损失等情况。因此提前做好预防计算机网络出现问题是至关重要的，当网络运行时，必须要有提前预防的意识和措施，才能确保万无一失。

1 计算机网络连接的增强优化

1.1 增强优化的计算机网络连接

计算机网络是我们信息交流互动的基础和根本，对于人们的生活和工作越来越重要，如果计算机网络出现了问题，或者网络连接不畅或者出现网络堵塞等情况，都将会严重影响到广大群众的信息传递和企事业单位的正常工作。再者如果出现网络设备在通信过程中出现无法通信的时候，此时信息在计算机网络中也是无法传递的。为了解决这种情况就需要对计算机网络的连接进行优化增强处理，这种方法通常叫做计算机网络拓扑的扩展。而怎样来对计算机网络进行扩展，以达到优化和增强网络连接的目的，就需从网络的结构和网络的拓扑入手，比如在网络节点的选择上，选取适当合理地节点，然后将这些节点加入到正在运行的计算机网络上来，同时需要确保不影响其他节点的工作，这样就可以达到提高网络的连接效率和网络带宽容量的目的，而且还加强了信息的交互性，从而扩展了计算机网络的拓扑结构。

1.2 计算机网络拓扑结构

随着通信网络设备和网络技术地进步，计算机的网络拓扑结构也变得异常地复杂。在计算机网络中，将计算机和通信设备等抽象为节点，而将网络中传输的介质称为线，这就是拓扑学的观点和定义。网络拓扑就是通过将通信线路和网络中的节点之间地几何关系表示成网络结构，反映网络产品实体的结构关系。通过对节点与通信链路的联系建立模型，再用这个模型来体现出网络中实体间的关联关系。当前对网络拓扑结构地研究来看，在所有网络中，计算机网络是最复杂的一个。如果以通信网络地增强优化来考虑，网络优化的主要点就是使节点间的平均距离达到最小，且网络边数也要尽可能地少。但随着计算机地发展，尽管不能使计算机网络的拓扑设计实现整体性的增强优化，但是其仍然体现出了某些可见的规律，那就是网络的发展具有优先连接以及优先生长地特征。生长是指计算机网络能实现动态性的增长，因此网络地拓扑结构就是能够实现动态地改变；优先连接是指新的网络节点加入到整个网络中时，根据节点所连接数的大小来选择从哪接入，一般情况下是选择连接数最大的节点出处接入到网络中。

2 基于计算机网络连接优化下地均场神经网络算法

本文中对计算机网络连接进行优化增强的均场神经网络算法，其根本就是利用模拟退火算法，在此基础上再结合神经网络算法来增强优化网络的连接，这样便能够使计算机网络的连接达到稳定、可靠、快捷地目的。

2.1 神经网络算法

思维学中通常认为人类的大脑思维是由逻辑思维、直观思维以及顿悟思维这三种构成地。其中灵感属创造性，直观思维则是形象化主观的思想，最后逻辑思维是指抽象化思想。依据上述原则，神经网络就是对大脑思维的一种虚拟化模型。人工神经网络可以对信息开展分布式处理和存储，而基于神经网络而建立的模型，即人工神经网络应用系统就是根据神经网络的规则额原理，来对计算机网络中的信号或者说信息流进行运算和处理的，这样就建立成了现在有的人工神经网络系统。

现今，人工神经网络在各个行业受到了大量地关注和研发，随之而建立起来了一门新鲜的研究领域，即人工神经网络算法。人们寄希望在这个领域能有重大的发现和研究成果，以此来改进和提高生产效率和经济收益。

2.2 均场神经网络算法模型地构建

通过建立科学合理地场均神经网络模型，有利于进行计算机网络连接增强优化中地均场神经网络算法研究工作，进而评判网络效果。需要注意地是，利用函数法构建模型时,应当加强目标函数地构建问题工作。

基于增强优化网络连接地均场神经网络算法，要想对此神经网络算法深入分析，且能达到所期望的那种结果，第一步就需构造出一个优良的均场神经网络模型出来。网络算法模型的构造需要注意多方面的因素，尤其是在目标函数的构造和选取过程中要选取恰当、科学、有效。

具体构建方式为：可以用Fi进行表示，Hopfield计算网络中地神经元状态，如果Fi=1，那么表示网络选中了连接i，能够正常连接；反之，如果Fi=0，那么表示网络没有选中连接i，不能正常连接。那么就应选取罚函数法的结构来构造网络模型，来确使Z=max(ΣPi*Xi)和ΣMi*Xi≤A表达式成立。然后选择合适条件来约束目标函数，主要有I=-γ/2*[∑ρiFi]2+ψ/2*[a-∑mifi]2，其中a=(γripi-ψmimi)d，Ii=βami，γ和ψ表示Lagrange参数，构造Lyapunov能量函数为：E=-1/2*∑∑AiFiFi-∑IiFi，Hopfield神经网络结构为：Fi=1/2*[1+tanh(Bi/T)]，Bi=∑AiFi+I。

采取均场退火技术，然后由随机变量均值地函数来替代随机变量函数地均值，可以得出：〈Fi〉=1/2*[1+tanh{}]，〈Bi〉=〈∑AiFi+Ii〉=∑AiFi+Ii。如果随机变量均值〈Fi〉由均场变量Ri替换，可以得出均场网络结构：Ri=1/2[1+tanh(∑AiRi+Ii/T)]，均场网络地能量函数为：E(v)=-1/2∑∑AiRiRi-∑IiRi。

具体算法分析：

首先根据问题设定参数。比如：热平衡准则，起始温度T，Lagrange参数β，α以及停止准则等参数的设置问题。其次是初始化问题，如i(δδ)……=-=NirandV.4,3,2,1,1,，而rand(1,δδ-)由随机生成。最后，循环操作达到停止条件时为止。

2.3 均场神经网络算法分析

在上述算法构建和运算实验中可以看出，不管采取哪种算法来模拟网络连接，最后都需要再来评价其性能的优劣。本文就选取了模拟退火算法、均场神经网络算法以及遗传算法，最后根据运算结果的进行分析，得出在这三种算法中，能使网络连接取得比较良好效果的算法就是均场神经网络算法，因为不仅运算速度快而且结果更加接近真实情况，因此对增强优化计算机网络连接以及扩展网络结构地拓扑情况来看，应该优先选择均场神经网络算法。