计算机网络可靠度优化计算中应用遗传算法研究.docVIP

计算机网络可靠度优化计算中应用遗传算法研究 　　摘 要：所谓计算机网络可靠度其实就是指计算机网络的可用性，其具备计算机网络各用户间互相连通的描述能力。优化计算计算机网络可靠度是目前社会市场所关注的热点话题。相对于传统的算法而言，遗传算法除了具有便于求解、算法结构简单以及搜索高效等特点以外，同时在进行全局计算的时候，还可获得最优的近似值。下面文章就计算机网络可靠度优化计算中遗传算法的应用进行研究和分析。 　　关键词：计算机网络；优化计算；遗传算法；可靠度； 应用 　　一、计算机网络可靠度与遗传算法的概述 　　（一）计算机网络可靠度 　　所谓计算机网络可靠度就是指基于计算机网络通信的操作、命令控制以及负载等这些条件，在所规定的时间范围内，在计算机网络中转换与传递信号，接着在确保网络通信性能以及网络可连通这一条件下来完成数据的传输。计算机网络可靠度要求在传递数据上必须要具备一定的完整性，另外是要求整个结构必须包含合理、完整科学体系。从目前来看，计算机网络可靠度可分为以下几种：第一，全终端可靠度，即在网络通信信道集合中，不管是哪两个点都可正常完成数据的通信。第二，α终端可靠度，主要是指在源点t间和信息制定汇点S和源点t间存在一条以上的正常通信链路，同时该链路可传输网络数据。第三，γ终端可靠度，对此终端的可靠度而言，γ终端属通信系统信道，各信道由指定节点构成，且要保证各信道的正常通信链路，从而实现数据传输的稳定性，同时确保其安全可靠。 　　（二）遗传算法 　　遗传算法主要是基于网络数据的传输过程以及方法的基础上发展而来的一种算法，它主要是根据生物体在传递基因信息上所用的方式，充分利用群体搜索和个体之间信息的互换，分割与传输网络中的这些信息，同时在网络终端重新进行组合，最终形成的一种搜索功能，这种搜索功能满足计算机网络全局信息优化的要求，该方法在操作上比较简单和便捷，所具备的通信全局性较好，且所具备的优势以及功能较为明显，可有效解决在传输网络数据中遇到的封装问题。遗传算法主要是由以下几个部分所构成，即基因表达、进化运算、明确初始种群、遗传运算以及基因适值的计算。 　　在优化计算网络可靠度中应用遗传算法的时候，事先应该明确一套遗传算法优化方案，把数据序列看作编码染色体，同时加载可控制的相关信息，并将构成编码的各元素看作为遗传算法基因，从而更加有利于传输各种数据信息。当这些工作完成后会充分结合变异运算、交叉运算、适应度运算以及选择运算等各种运算方式并根据实际需要进行重组，最终形成符合停止标准的各优化个体信息，实现数据信息的传输，并保障数据传输过程中的稳定性、可靠性以及安全性。 　　二、遗传算法计算机网络可靠度优化计算中的应用 　　（一）问题设立 　　第一，假如在计算机网络传输节点间的信息传输信道有很多种，且只有一条为直线型链路传输。 　　第二，通信信道介质长度和通信网络可靠度之间不存有直接数据交换关系，将通信信道与网络之间的状态分为两种：工作状态和故障状态，其中故障状态应该为独立。 　　（二）问题计算数学模型的构建 　　基于上文所阐述的内容， 网络信道的链路介质成本矩阵的表示如公式一，C0=（四）遗传算法具体设计 　　第一，基因表达。明确网络传输的基础就是基因表达，在本文的课题研究中，通过二进制一维编码的应用来明确计算机网络中N个结点的网络基因，若在网路通信信道传输过程中存有四个节点，则其网络基因结构点也相应地变成为一个基因。 　　第二，适值函数的选择。遗传算法的一个前提条件就是适值函数，该函数可避免在遗传算法中出现数据欺骗问题，根据降序来排列初始种群中的数据个体成本值，接着把其中最小的这一排序成本中个体编码假设是1，并把排序编码设成为PoP_size，在此基础上，则可得到所对应的这些适值函数，该函数可通过f（x）=（x-1）/（PoP_size-1）来表示，在该公式中，X是数据个体在各网络成本中的排序位置，在这里存在着一个约束条件，即1≤x≤PoP_size。 　　第三，进化运算。按照上述的适值函数运算方式，借助于转轮选择运算法，在此假设在选择的时候，每一个基因选择概率均和其适值呈正比。 　　第四，遗传运算。在计算机网络可靠度优化计算中，遗传运算可通过变异与交叉这两种形式来实施。在变异中，事先应该明确变异基因的范围和所需变异数量，接着将所选基因来替代以前的旧基因，其操作主要如下：首先进行数据变异基因的假设，其次按照数据变异基因数量，来随机进行整数的选取，最后基于基因变异情况，使其生成为相对应的基因，若最后一个步骤不可实现，则直接到第二步就可。在交叉中，可通过随机交叉的方式来明确基因交叉位置，从而完成数据交换操作，继而确保计算机网络数据间的连通性，在此要注意的是在实际计算过程中，可能有数据不可将数据连通反