遗传算法在计算机仿真技术中的应用

倪宝珍

遗传算法在计算机仿真技术中的应用

倪宝珍

永城职业学院，河南 永城 476600

遗传算法的整体搜索策略、优化搜索方法在计算时可以不借助梯度信息以及其他辅助知识，只需要借助影响搜索方向的目标函数、适应度函数皆可。也就是说，遗传算法提供了一种实用的、高效的复杂系统问题解决框架。也正因为如此，遗传算法的应用领域非常广泛。基于此，主要对遗传算法在计算机仿真技术中的应用进行了简要的分析，希望可以为相关工作人员提供一定的参考。

遗传算法；计算机仿真技术；并行遗传算法

引言

计算机仿真技术是以多种学科和理论为基础，以计算机及其相应的软件为工具，通过虚拟试验的方法来分析和解决问题的一门综合性技术。计算机仿真（模拟）早期称为蒙特卡罗方法，是一门利用随机数实验求解随机问题的方法。其原理可追溯到1773年法国自然学家G.L.L.Buffon为估计圆周率值所进行的物理实验。根据试验结果来看，这种模型到达了预期效果，在进行计算机仿真时达到了较高的准确度。

1 遗传算法与计算机仿真技术概述

1.1 遗传算法概述

遗传算法是模拟达尔文生物进化论中的自然选择、生物进化过程的一种过程搜索最优解方法。这种算法是1975年美国Holland教授提出的，具有可以直接操作结构对象、无连续求导限制、全局寻最优解、内在隐并行性的特点。在实际应用中，遗传算法可采用概率化方法，自动化获取、搜获、调整得到最优解。正是因为这些特点，遗传算法被广泛应用在信号处理、机器学习等方面。尤其是在计算机考试系统设计方面，遗传算法作为其中关键技术之一，起到了非常重要的作用。遗传算法也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，是进化算法的一种。这种启发式通常用来生成有用的解决方案来优化和搜索问题[1]。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的。这些现象包括遗传、突变、自然选择以及杂交等。遗传算法在适应度函数选择不当的情况下有可能收敛于局部最优，而不能达到全局最优。

1.2 计算机仿真技术概述

简单来说，计算机仿真技术就是将生活中的物理现象借助适当的数学和物理模型在计算机中模拟出来，根据模拟得出的结论来分析实际场变量。这是人类科技上的一大突破，解决了传统的仿真技术解决不了的难题。计算机仿真技术诞生以来，就受到世界各国的广泛关注和高度重视。它以计算机为基础，根据问题对象的实际要求，建立真实的数学模型，并将其转换成仿真模型。在不同的决策问题下，利用计算机系统来演示运行状态，从而将抽象问题真实地展现在计算机系统显示器上。它涉及计算理论、控制理论以及各种实际系统的专业理论知识，并且综合多学科领域的一项综合技术[2]。当前，计算机仿真技术在国防、能源、交通、航空航天等军事领域和其他领域得到了广泛应用。计算机仿真技术起源于美国，后来被多个国家引进和推广，并且将该项技术列为国防军事重点发展的关键技术。由此可见，计算机仿真技术在现代科学技术领域中的地位和作用。

2 改进并行遗传算法分析

并行遗传算法（PGA）作为GA的一个重要分支，得到了越来越多专家们的重视。PGA正成为GA中的一个重要研究方向。近年来，对于PGA的理论和应用研究，许多计算机科学家做了大量的工作并取得了一定的成果。并行遗传算法将并行计算机的高速并行性和遗传算法的天然并行性相结合，不仅提高了求解速度，而且由于种群规模的扩大和各子种群的隔离，降低了未成熟收敛的可能性，提高了求解质量。并行遗传算法是协调计算机中容量与流量之间分配关系的主要算法，能够较好地解决容量与流量分配问题。但是随着当前使用量的不断扩大，传统的并行遗传算法已经无法解决当前容量与流量的分配问题，只有对其进行进一步的优化和改进，才能够让其发挥出更好的应用效果。

将改进之后的并行遗传算法同传统的遗传算法进行比较可以发现，改进之后的遗传算法能够实现对路由中在前的基因的准确判断，这对网络容量和流量分配有着较大的帮助。路由中在前的基因处于一种随机的状态，有着较多的变化存在，在判断上十分困难，但是对网络容量和流量分配带来的帮助较大。对于在路由中在后的基因实质上并不需要通过该算法进行判断，只需要使用链路流量来代替即可，这也是改进后并行遗传算法优化的地方。通过优化这两个主要方面，提升计算机网络中容量与流量之间的分配效率，带给人们更好的使用感受。

3 遗传算法在计算机仿真技术中的应用

3.1 对并行遗传算法的解释

对待不同的问题要从不同的角度详细分析，建立一种能够解决问题的并行遗传算法模型。（1）通过并行遗传算法模型来确定仿真前各个参数。（2）利用蒙特卡罗得出随机数，从随机数中选择、排序、挑选，然后进行优化。（3）进行仿真实验，得出结果。（4）若得出的结果跟预想的不相符，重新实验。

3.2 投针试验

投针试验是一种比较理想的方法，因为它是求近似值。此方法的要点是：在一张平整的桌面上设一组相距为1的平行线，然后随意投长度为1的细针，假设细针与平行线的垂角为a，那么细针跟平行线相交的概率为L=lg|cosa|。因为a在[0，π]是均匀分布的，所以上面那个实验细针与平行线相交的概率就等于p=2l/（api）。假设进行M次投针试验，其中有P次相交，那么当M很大的时候，相交的频率就与概率相等，公式为：π=2M/P[3]。

4 遗传算法下计算机可靠性的优化方法

遗传算法下，计算机的可靠性拥有了优化的技术支持，其基本设计要求也在此基础上出现了一定变化。具体而言，包括连通性、可靠性、快速通信、高质量、灵活性以及经济性六个要求[4]。连通性是指在实际应用中，计算机通信网之间应该是以节点、终端等各类方式连接在一起的，而且某一个节点的问题不会影响整体连通，这是计算机可靠性优化的设计的最基本要求。可靠性是指整个网络以及大网络下的以太网、各个终端、节点的工作能力、兼容性良好，不会频繁出现各类故障。快速通信对信道的通畅和传输能力提出了较高要求，采用分组交换的模式可能导致信道拥堵、传输时延，在进一步设计中，需要避免该问题。传统的计算机存在信噪比较大的问题，在数据传输过程中也可能受到各类干扰出现误码，后续工作中如何提升抗干扰能力也需要加以重视。灵活性是指整个网络可以优化，能够在时代发展的情况下不断调整自身性能，接受更多用户、提供更多服务。经济性是指整体设计拥有较高的性价比[5]。

5 结束语

本文让更多的人知道了将遗传算法应用到计算机仿真技术中并非不可能，提出了一种仿真模型，它是以遗传算法为基础而建立的模型。为了证明此模型的应用过程对圆周率进行了精确计算，很好地解决了线性仿真技术中存在的大部分问题。

[1]盖佳妮. 量子遗传算法的改进与研究[D]. 锦州：渤海大学，2017.

[2]王晗希. 基于交互式遗传算法的服装几何花卉图案的设计[D]. 杭州：浙江理工大学，2017.

[3]余滨杉，王社良，杨涛，等. 基于遗传算法优化的SMABP神经网络本构模型[J]. 金属学报，2017，53（2）：248-256.

[4]温斯琴，王彪. 基于神经网络的计算机网络安全评价仿真模型[J]. 现代电子技术，2017，40（3）：89-91.

[5]王亚杰，邱虹坤，吴燕燕，等. 计算机博弈的研究与发展[J]. 智能系统学报，2016，11（6）：788-798.

Application of Genetic Algorithm in ComputerSimulation Technology

Ni Baozhen

Yongcheng Vocational College, Henan Yongcheng 476600

The overall search strategy and optimization search method of genetic algorithm can be used without any gradient information and other auxiliary knowledge. It only needs the objective function and fitness function that can affect the search direction. In other words, genetic algorithms provide a practical and efficient framework for solving complex system problems. Because of this, the application of genetic algorithms is very extensive. Based on this, a brief analysis of the application of genetic algorithm in computer simulation technology is carried out, hoping to provide some reference for relevant staff.

genetic algorithm; computer simulation technology; parallel genetic algorithm

TP391.9；TP18

A