计算机通信网络中容量与流量分配的优化策略

南京市人防指挥信息保障中心 郭 圣

在社会经济水平快速发展的过程中，人们对生活质量的要求越来越高，普遍应用于人们生活和工作中的计算机通信网络体验感也面临着更高要求的挑战。要提升通信网络服务水平，就需要对通信网络中的容量与流量分配（Capacity and Flow Assignment，CFA）进行深入优化，在确保网络运行速度的同时有效控制运营经济成本。对通信网络CFA而言，传统并行遗传算法（Parallel Genetic Algorithm，PGA）所体现的功能与价值并不大，无法有效满足人们的使用需求，此前该领域的研究人员就PGA作出了优化，强化了分配效果，给人们提供更佳的体验感。关于网络运营费用控制问题，较好的解决方式是利用并行遗传算法，其能通过优化配实现网络资源规划合理性提升。本文笔者将围绕计算机通信网络中CFA问题展开探讨，并对性能的优化与评估、网络规划设计以及实际应用价值做出相关分析。

1 计算机通信网络优化发展史

基于当前网络拓扑对通信需求的考虑，现阶段要思考的问题是如何让计算机网络得到更加合理的规划，如何科学合理的分配计算机网络容量，以及如何选择更具适宜性的路由等，计算机优化工作的几项关键内容。计算机网络本身有很多特征，其中尤为突出的就是复杂性高，所以在优化传统网络的进程中始终没有找到更为有效的处理方法。当前，计算机网络在我国大力支持并已经进入成熟发展阶段的过程中逐渐得到了国内外学者的重视，国内有很多科学家都在研究如何用遗传算法来处理计算机网络中流量与容量分配问题，通过简单的改进已经在计算机网络路由器的选择作出了最优化的抉择。

在网络优化问题上，如何有效的应用遗传算法很长一段时间以来都是相关人员开展计算机网络优化研究的核心内容，通过提升链路CFA的优化性来开展一系列有关计算机的仿真实验，实验结果对计算机通信网络系统整体运行性能的提升有极大促进作用。另外，计算机仿真实验的结果还表明了，使用改进后的遗传算法能在很大程度上促使计算机网络容量与流量配比达到最优化，同时提升计算机运营质量。

2 计算机通信网络流量与容量分配数学模型

网络中CFA在计算机网路应用期间属于关键性内容，其重要性在于以网络节点通信量为基础，合理分配网络效益与性能。找到CFA的最佳比例对整个网络性能的提升有很大促进作用，更好的满足用户的服务需求，同时还能有效管控网络运营成本。因此，在设计计算机通信网络数据模型的过程中，必须全面考虑两点，一是能否有效控制运行成本，二是能否有效提升网络性能，全面分析系统的限制条件，以及在探究系统结构的过程中同步进行CFA最优策略的制定。

构建数学模型的目的主要有以下三点：第一，将数据模型的约束条件清晰化，明确通信流量和链路容量的大小关系，前者必须小于后者，同时保证链路有确定的容量选择；第二，计算机网络备选路由器的选择结果不可出现模棱两可的情况，只能是选用或不选用这两种；第三，构建具有极高精确度的数据模型应用于计算网络运营总值的准确结果。

关于链路CFA问题，可简化性的描述为：在特定网络拓扑结构以及给定的节点通信量中，基于网络拓扑结构的特定性，以及给定的节点通信量，以保证优良的网络通信需求服务为目的，如何为网络中各个链路的容量作出合理选择，如何为各个节点之间的通信路由作出合理选择，每个选择还要保证一个前提条件，即确保网络运行成本不超出既定值。这个问题属于一个有繁多且复杂限制条件的非线性问题，其数学模型为：

此问题的约束条件为：

式中，Z代表的是网络运营总体费用的优化变量；链路1上的数据流量为；其中Il代表的是第l条链路的候选链路型号指标集，l∈L；Qlk代表的是第l条链路的型号指标选为k时的线路容量（bit/s），l∈L，k∈Il；Slk代表的是第1条链路的型号指标选为k时的链路固定造价（元/月），l∈L，k∈Il；Clk属于第1条链路的型号指标选择是K时的链路非固定（具有可变性）成本系数（元/bps），l∈L，k∈Il；ylk代表的是优化变量，如果第1条链路的型号指标选择为k时，取值只有两个选项，1或者0；dl代表的是第l条链路的长度；mlk代表的是第1条链路的型号指标选择为k时的每公里距离费用；单位平均时延的费用成本系数（元/月·分组）由D表示；固定性费用和可变性费用的加权系数分别由G和V表示。式(1)所代表的是网络运营总体费用，是三项费用相加之和，分别为链路的时延费用，网络的固定性费用和网路的可变性费用；约束条件(2)代表的是链路l的容量必须超出其余通信流量；约束条件(3)和(4)代表的是链路l必须对接某一个链路的容量；约束条件(5)和(6)代表的是任意一条候选路由的两种选项，即选中获未被选中。

3 将改进后的并行遗传算法应用于CFA优化问题求解

改进型并行遗传算法在计算机通信网络容量与流量分配（CFA）的优化问题求解中的应用，在路由选择问题的调整上表现出的最大不同在于，染色体分为两个不同的基因片段：一个是位于前端表示路由的基因片段，以随机方式产生基因位；位于后端表示单条链路容量指标的基因片段，其基因位的限制条件是容量要远超流量；得出CFA优化问题的适应值是1/Z。

4 计算机通信网络容量和流量优化分配模型计算结果分析

首先，关于计算机通信网络运营的CFA优化问题将直接归划到遗传算法体系中，在相关分组长度增加的过程中，要逐步考虑以平均分组的方式去延长或者保证链路的利用率，利用率在此过程中将出现明显的提升。与此同时，还可直接调配通信量的位置，将其从链路重负荷调配至相对负荷较轻的位置，这样便能及时性的解决现存于网络通信中的瓶颈问题，为资源分配的优化奠定良好基础。

其次，在分组长度逐步增加的过程中，计算机通信网络本身的各项运行成本也呈现为持续上升的态势。从这个角度分析可知，长此以往必然会进一步增加计算机通信网络的负荷值，负荷值将会随着分组长度的增加越来越大。对于这种情况，在链路容量的选择上一定要尽可能的选择大容量，尽管如此一来又会提高链路相关费用幅度。此外，计算机通信网络链路数据可变费用因为链路容量幅度的增加也进行了一定的调整。在计算机自身通信网络APRA中呈现的不同长度分组长度，在实际运营中会对最终网络的平均延时直接造成波动，但无论是ARPA还是OCT，当中的链路费用在整个运行成本中的占比都是最高的，换句话说，链路建造费用的高低会直接受到分组本身长度的影响，在此过程中基于PGA模式开展的计算机通信CFA优化工作，能大幅提升网络自身的性价比。

最后，单位分组费用与成本的提升会伴随着延时费用和网络费用的增加，唯一降低的是平均时延。从网络实时性角度来看，如若单位分组延时的费用为零，那么分组延时对实际运行并不能发挥有效作用，因此在具体优化过程中，设法将分配遗传算法应用于优化通信网络CFA是有一个前提条件的，即链路容量的选择必须是小容量，以此来降低链路的固有费用水平。但是总体延时费用值会受到单位分组延时成本的影响，两者成正比关系，此时在计算机通信网络CFA优化中采用分配遗传算法就需要选择大容量链路，这样才能有效降低网络总费用。

结语：总而言之，合理有效的处理计算机通信网络中的CFA问题，有助于顺利开展整体运营成本控制工作，同时还有助于优化网络性能。因此，通信网络运营中的一个重要的关键点就是优化CFA。在构建具有科学性、合理性数学模型的基础上，将计算机通信网络的CFA优化问题直接归划到遗传体系中，通过探究发现分组单位分组长度和网络运营费用之间存在的影响关系，再结合已有的规律结论合理的选择最佳链路容量以及设置适宜的分组长度。