计算机算法动态系统中的递归算法与遗传算法的探讨

叶中华 陶慧杰 赵玉婷 史宝坤

摘要：在科技水平高速发展的这半个世纪，计算机技术已经全面进入了我们的生活當中，信息积累量急剧增大，它使得整个世界的信息更多，其增长速度也越来越快，在基因学和一些商业领域已经出现了大数据的概念，这个概念已经广泛地在国家社会发展当中体现其价值。因此我们应当采用递归算法与遗传算法对其进行优化分析，使其价值能够更好地展现出来，本文对其展开探讨，为其进一步发展打下坚实的基础。

关键词：计算机;动态算法;递归算法;遗传算法

中图分类号：TP301.6

文献标识码：A

文章编号：1672 - 9129（ 2018） 12 - 0002 - 01

l 引言

大数据主要包括大量的数据与数据的存储分析结构等，海量数据主要是交互式的数据，其是结构化或者非结构化的数据，我们可以通过这样的数据能够对于过去发生的事情进行判断，也能够对将来的事情进行预测。大部分数据是非结构化的数据，其将文本、图像、音频的信息融合在其中，因此需要对其设计更加可靠的递归算法与遗传算法来进行数据的读取，才能够将其中所蕴含的信息提取出来。在传统数据当中，广泛存在的还是结构化的数据，其读取比较方便，很容易地进行信息的观测，但是在大数据时代，对数据的读取非常依靠强大的算法，这就是它们主要存在的差异。

2 计算机算法动态系统分析

2.1 动态算法。动态规划是运筹学中用于求解决策过程中的最优化数学方法。当然，我们在这里关注的是作为一种算法设计技术，作为一种使用多阶段决策过程最优的通用方法。它是应用数学中用于解决某类最优化问题的重要工具。在实际中，人们经常遇到这样一类决策问题：即因为过程的特殊性，能够将决策的全过程根据时间或空间划分若干个联系的阶段，而在各阶段中，人们都需要进行方案的选择，我们称之为决策。这样，各个阶段所确定的决策就构成一个决策序列，常称之为动态算法策略。

2.2 动态算法的必要性。

第一是信息量大，根据统计可以发现，互联网每天所产生的内容可以制作成2亿张光盘，这些数据表明在互联网时代，社交网络和移动互联网络已经把人们的信息量扩大了很多，大数据的大不仅是信息量大，信息也非常全面，很多信息都可以采用计算机动态算法的手段来对其进行集聚，使得其可以满足与分析的需要。

第二是多样化程度高，目前来说数据类型已经不仅仅是文本形式，其还存在有大量的图片音频等超文本信息，从结构上来看数据的结构变化多样，很多数据的结构并不是传统的结构化数据，因此我们需要采用更高效的动态算法技术和硬件设备来对其进行处理，才能够更好的读取这些数据当中所蕴藏的价值。

第三是数据价值大，网络每天都会产生大量的有价值的信息和一些噪音信息，这些原始信息中所含的核心内容还是很少的，人们需要在大量的数据当中进行寻找才能够找到自己真正需要的，如何采用更好的动态算法来对其进行数据的挖掘，将数据当中有用的信息提取出来是目前大数据研究领域当中非常重要的一个课题。

第四是速度快，大数据的产生速度是非常快的，在金融、证券等多个领域，需要及时的进行传输，需要对其进行较快的处理和分析，如果信息没有进行实时地挖掘，那么其就可能成为无效的信息，如何采用更加有效的动态算法对其进行探究是非常关键的，将数据的处理效率提升有利于社会的进一步发展。

3 递归算法与遗传算法概述

3.1 递归算法。递归算法在计算机科学中是指一种通过重复将问题分解为同类的子问题而解决问题的方法。递归式方法可以被用于解决很多的计算机科学问题，因此它是计算机科学中十分重要的一个概念。绝大多数编程语言支持函数的自调用，在这些语言中函数可以通过调用自身来进行递归。计算理论可以证明递归的作用可以完全取代循环，因此在很多函数编程语言中习惯用递归来实现循环。

3.2 遗传算法。遗传算法是一类借鉴生物界的进化规律演化而来的随机化搜索方法，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定。它具有更好的全局寻优能力，采用概率寻优方法，能自动获取优化搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。

4 递归算法与遗传算法的应用

4.1 网络数据流分析。对于用户所产生的视频网络数据进行科学有效的分析是非常重要的技术，利用递归算法与遗传算法对于网络数据进行有效分析的前提是对于其数据流进行保存和挖掘，网络数据流指的是通过互联网爬虫等方式对于网上的主题以及相应的传播情况进行研究，这种技术主要问题在于其必须有较好的准确性，才能够避免信息的重复和冗杂，同时其实时性必须非常好，才能够更好的捕捉到热点。利用递归算法与遗传算法可以对于突发事件进行处理，人们很多时候是通过历史数据来进行数据分析的，但是有时候这样分析并不具有科学性，因为很多信息的变化趋势并不是按照传统的信息流所传递的，因此需要借助于计算机的强大的运算力来对其进行优化，才能够更好的捕捉。

4.2 短文本信息挖掘。短文本是被受到广泛关注的信息形式，通过简单的搜索可以有效的获得大量的信息，但是很多时候的文本当中也包含着很多垃圾信息，因此用户所产生的一些信息并不都是有必要被采集的，我们需要对于利用递归算法与遗传算法对短文本做好分析和挖掘工作，将对于我们来说重要性程度较低的信息进行排除，才能够做到信息的高效率收集与推送。

4.3 可视化数据技术。可视化数据是非常多的，很多媒体在图像上进行关键词的标注，利用递归算法与遗传算法对于图像的特征进行提取，把图像转换为文本，也将一些文本转换为图像描述，这样就将数据进行了可视化，这对于数据挖掘分析来说是极为关键的，该技术可以将信息进行融合，做到信息的较高层次的匹配，使得信息对于用户的可用性程度更强。

4.4 信息推荐技术。目前来说，对于数据的分析要求是对于数据能够做好评估，从而对于将来的决策有所帮助，这些评估指标主要包括视频的播放量、曝光量、分享量等，这样才能够对于其将来的传播情况进行预测。眼球系数指的是视频当中每个点吸引浏览者眼球的能力，该技术已经成为了很多视频网站对于用户行为分析的关键性因素，这些数据当中包含了大量的信息，因此需要对其进行更加科学的收集，利用更加符合于实际情况的递归算法与遗传算法来对其进行深层次的探究，才能够更好的将其进行评估，从而根据用户的实际情况对其进行相应的视频推荐与广告推送等，给企业带来收益。同时，采用更加先进的递归算法与遗传算法也能够对于网络视频网站当中的一些不良视频进行过滤，将具有正能量的视频更多的推荐给用户，利于弘扬社会风气，将机器学习应用于社会建设当中有着极好的效果，因此在视频网站的建设当中，应该大量的采用这样的技术，以较低的成本和较高的效率做好视频的筛选工作。

5 总结

综合以上分析，我们可以发现递归算法与遗传算法和计算机网络的发展有着非常密切的关系，同时很多等新兴的网络拓扑方式已经在移动端兴起并有着较大的市场，因此我们需要对于其发展进行多角度的分析，采用较为先进的递归算法与遗传算法来对于网络上的内容进行质量上的提升。大数据可以改变很多事情，但是无法代替所有事情，在这个行业，很多企业应该认识到递归算法与遗传算法等大数据技术所存在的局限性，避免炒作的情况，真正将这些关键技术用在需要的地方。同时对于网络当中所存在的一些不良现象要及时的抵制，這样才能够使得技术能够发挥出更多的优势来。

参考文献：

[1]孙浩，崔慧慧，魏立新，呼子宇.基于动态多目标进化算法的冷连轧负荷分配研究[J].矿冶工程，2017，37（ 06）：136 - 141.

[2]鲍黎明.动态K- means算法在遥感图像挖掘领域的并行化研究[D].南京邮电大学，2017.

[3]叶伟波.基于多米诺骨牌算法的动态路径诱导研究[D].长安大学，2017.

[4]王亚珂.动态复杂网络中的影响最大化算法的研究[D].黑龙江大学，2017.

[5]李文强，陆应通.基于绘制时间的加权动态负载均衡算法[J].现代计算机（专业版），2017（ 08）：45 -50.