智能信息处理技术在网络计算中的应用

罗翔曦

（昭通卫生职业学院 云南省昭通市 657000）

网络计算也被称为元计算，其最终目的是对网络资源进行计算，使多个用户能对资源进行共享，计算方式多为合作计算。在网络计算运作流程上，其可以分为两个层次，即前端计算、内核计算，两项计算步骤十分重要，会对用户网络资源的使用质量造成巨大影响，但常规网络计算要面对的资源十分庞大，内部结构更是高度复杂，因此会严重影响计算效率等质量指标，这时为了改进网络计算，现代相关领域提出了智能信息处理技术下的网络计算概念，认为将智能信息处理技术融于网络计算可以起到改进效果，对此本文研究将验证这一点。

1 基础设计

以网络计算中常见算法“粒子群算法”为例，对该算法进行计算流程设计，并利用该流程对网络资源进行计算，统计该流程中算法存在的问题，由此确立算法改进方向，以便于智能信息处理技术的融入。

1.1 粒子群算法计算流程设计

根据粒子群算法理论及常规网络计算流程进行设计，首先将网络资源与粒子群算法连接，使网络资源导入到算法主要流程中，随之算法开始，其次算法在接收到网络资源后会根据粒子群生成逻辑进行初始化，形成粒子群模式，并对该模型进行适应性计算，完全适应后会正式开始计算，计算过程中会对粒子群中粒子的位置、速度进行不断的更新，指导其触及终止条件，但计算结果符合终止条件后，根据终止条件与计算结果的对比结果可知计算结果是否符合需求，如果是则计算完成，否则返回更新步骤重新调整，同时置换、优化终止条件，直到计算结果符合需求为止[1]。

1.2 算法性能分析

根据粒子群算法计算流程设计，将其应用于网络资源计算中，网络资源来源与某视频软件，计算过程中对算法各步骤的效率、准确性进行统计。传统算法在网络计算当中的效率表现一般，总体用时较长，这不满足用户需求，而造成这种现象的因素在于算法在“粒子群初始化同时计算适应”、“位置、速度更新”两个步骤中的耗时较长，尤其是“位置、速度更新”，原因为该软件的网络资源规模、种类、关系复杂，要对这样的网络资源进行适应或更新它们的位置、速度，必然需要消耗大量的时间，否则算法逻辑无法运作，因此如何降低这两个步骤的耗时，是优化算法性能的主要方向。同时在准确性上来说，与准确性指标对应的步骤为“位置、速度更新”、“终止条件判断”，根据数据统计结果显示，在“位置、速度更新”中算法准确性达到了99%，基本符合标准，但“终止条件判断”步骤的准确性只有97%，不符合标准，原因在于复杂的网络资源可能导致算法计算失常，因此出现部分准确不足的计算结果，这也是算法性能需要得到改进的地方。

表1：融入了智能信息处理技术子系统的网络计算系统性能统计结果

2 智能信息处理技术子系统设计

通过建立网络计算主系统，在该系统基础上先介绍智能信息处理技术的基本原理，后进行子系统设计，再分析子系统对主系统的帮助。

2.1 智能信息处理技术基本原理

智能信息处理技术的核心为“人工神经网络”，即该项技术运作流程、逻辑是模拟人神经系统得出的，因此与人的思维方式高度相似，在运作当中可以对信息、数据的特征进行分析、提取，由此完成信息或数据分类，再根据最终目的对分类后的信息或数据进行排列，形成智能逻辑网络（即人工神经网络），在该网络中每个信息或数据都是一个节点，各个节点之间存在联系，且联系关系中每个节点的联系方向、关联度都有不同，这样就能准确的划分出信息或数据的层次，得出优先级，最后生产输出结果，输出结果可以为其他领域提供判断帮助[2]。

2.2 子系统设计

根据智能信息处理技术原理进行子系统设计，可以将智能信息处理技术子系统放置在网络资源与主系统之间，因此网络资源不会被直接导入主系统接收粒子群算法计算，而是先被智能信息处理技术进行处理，处理中或提取网络资源的特征，并将各个资源根据关联度计算结果联系起来，最后实现资源分类，这些处理结果会全部导入主系统中。

2.3 子系统对主系统的帮助

采用相同方法对融入了智能信息处理技术子系统的网络计算系统性能进行统计，具体见表1。

通过表1 统计数据可知，在智能信息处理技术子系统融入的条件下，整个网络计算系统的计算总耗时为29s，对比与主系统直接运作的计算总耗时，该数据体现出了巨大的优势，同时在“粒子群初始化同时计算适应”、“位置、速度更新”两个步骤上，因为智能信息处理技术的融入使得两个步骤的耗时大幅减少，所以该项技术具有较高的应用价值，而在准确性上“位置、速度更新”、“终止条件判断”两个步骤也得到了提升，全部达到了100%水平，可以在智能信息处理技术影响下，网络计算的性能能够得到大幅优化[3]。

3 智能信息处理技术子系统内部设计

传统形式上的信息系统设计只代表子系统与主系统连接结构，并不代表两者可以直接连接，且子系统具备完整的运作逻辑，因此为了在实际应用当中让两者连接在一起，同时保障子系统满足主系统计算需求，需要对子系统内部进行设计。内部设计步骤包括：逻辑算法确立、应用形式选择、软件设计，各步骤具应满足相关要求。

3.1 逻辑算法确立

智能信息处理技术虽然是作为子系统为主系统提供服务，但其在整个系统中具有独立性，因此要具备自主逻辑，要根据智能逻辑实现原理来确立逻辑算法。对此参照相关研究可知，实现智能逻辑的常见算法为“遗传算法”。遗传算法（Genetic Algorithm，GA）是一种通用性算法，适用于各种问题当中，因此可以作为智能信息处理技术的逻辑支撑算法，该算法原理为：采用编码方法将问题代入到算法的可搜索空间当中，生成一个“父代群体”，再从父代群体中选择算子进行计算，确认父代群体中的个体能产生多少个子代个体，同时确认父代群体个体重组与交叉个体，随后进行遗传，这样可以让父代群体以遗传的方式不断优化，直至其满足实际需求，在这个过程中实现父代群体优化的逻辑为适应函数，其主要由目标函数转换而来，如果计算结果满足适应函数，则说明父代群体得到了优化，否则说明计算结果中所带入的算子适应性不高，不能实现优化作用[4]。

根据遗传算法的基本原理，可以通过三个步骤利用该算法来确立智能信息处理技术逻辑，具体如下：3.1.1 步骤一，编码方式选择

根据相关研究可知，遗传算法中常见的编码方式包括：二进制编码、格雷码编码、浮点数编码、各参数级编码等，这些编码方式各有优劣，需要根据实际情况来进行选择。这一条件下，以网络计算的高效率、高准确性为目的，将选择二进制编码作为编码方式，二进制编码具有较高的搜索能力，符合积木编码原则，且能够保障编码结果的准确性，而该编码方式的缺陷在于面对连续函数离散化现象会出现映射误差，难以反应问题本质，但这一问题在智能信息处理技术的功能影响下可以被消除，因此不会造成负面干扰。

3.1.2 步骤二，算子选择

算子选择是遗传算法操作的关键步骤，一般采用随机竞争、无回访随机选择、最佳保留选择机制来完成操作，这些选择机制也有差别，其中最符合网络计算高效率、高准确性的机制为最佳保留机制，因此将采用该机制来完成算子选择。最佳保留选择机制下，算子选择需要根据适应函数才能做出判断，在每个父代群体或子代群体当中，只选择与适应函数匹配度最高的算则。

3.1.3 步骤三，适应函数生成

适应函数来源于目标函数，需要采用计算方法对目标函数进行转换，因此公式（1）给出了目标函数向适应函数转换的方法[5]。

F'=aF+b （1）

公式（1）为线性尺度转换方法，其中F 代表了适应函数；aF+b 代表了目标函数。

通过以上步骤可确立智能信息处理技术的运作逻辑，即以适应函数为基准，不断对网络资源进行计算，提炼出每个父代群体中的最佳算子，促使网络资源所代表的父代群体向下一代优化发展，实现网络资源效率、准确性提升目的。利用遗传算法能够有效提高智能信息处理技术的处理能力，对网络计算有益帮助。

3.2 应用形式选择

在智能信息处理技术的逻辑明确后，就要对技术所代表的子系统进行功能设计，这里就要做好应用形式选择工作，一般来说在网络计算中智能信息处理技术至少要具备两种应用形式，分别为大数据应用、信息融合应用，各形式内容见下文。

3.2.1 大数据应用

大数据是一种“数据规模”的概念，是典型的“量变引起质变”的表现，而网络计算中的网络资源就符合大数据特征，因此智能信息处理技术需要具备大数据应用形式。大数据应用形式的实现主要可以采用云计算模式来搜集大数据信息，再结合以上提到的粒子群算法就能够有效对大数据进行处理，使其能够被应用于网络资源管理中。

3.2.2 信息融合应用

因为在网络计算当中所遇到的问题一般都涉及到很多信息或数据，所以单纯的对某个信息或数据进行判断，是很难了解问题本质的，这也会导致子系统二进制编码方式的缺陷暴露。这一条件下，智能信息处理技术就要具备信息融合应用，能够针对问题进行分析，将与问题有关的信息整合、融合，在一个有限的范围内对问题进行全面分析，此举可以让网络计算更加完整、准确，这样子系统与主系统才具备连接的基础。

3.2.3 软件设计

通过以上两个步骤可子系统与主系统可以相互连接，但要将两者整合在一起还需要进行软件设计。首先考虑到网络计算是在网络环境中开展的，因此要选择网络软件开发平台与工具，对此文中选择了开放式平台与Java 工具，开放式平台能够为整体系统提供良好的环境，其中算法逻辑与技术功能都可以被该平台承载，而Java能够尽可能简便的开发出功能软件，支撑系统运作，说明开放式平台及Java 适用性良好，可以被使用。其次开发中采用局域网通信协议TCP/IP 进行设计，使子系统与主系统之间产生通信联系，由此让两者连接在一起。

4 结语

综上，本文对智能信息处理技术在网络计算中的应用进行了分析，得出了网络计算模型、智能信息处理技术子系统模型，通过两个模型的拓扑概念融合可知，在子系统模型与主系统模型融合的情况下，智能信息处理技术能够让网络计算更加完整，计算效率与结果准确性有明显提升，说明该项技术具有较高应用价值。同时为了实现主系统与子系统的连接，对子系统内部进行了设计，促使两者完美连接，起到利用智能信息处理技术支撑网络计算的作用。