计算机遗传算法在网络优化设计中的使用

张捷

（山西工程科技职业大学 山西省晋中市 030619）

网络优化设计的过程中采用计算机遗传算法应结合计算机网络的特点、遗传算法的基本原理等，科学进行网络的优化处理和设计，利用有效的技术方式增强计算机网络的优化性、完善性，达到预期的网络优化目的。

1 遗传算法分析

对于遗传算法而言主要就是数学领域中利用计算方式明确最佳方式的搜索算法，是目前进化算法中最为重要的部分，此类算法最开始是运用到生物界的进化规律方面，在不断演变的过程中被应用在计算机学科领域，成为搜索、优化的重要机制，如图1所示为相关算法的应用程序，在实际应用期间需要以既有的模型作为基础部分，按照需求进行求解的问题情况完成编码，生成相应的随机遗传群，之后利用选择概率的方式、选择适应性函数的方式等，准确进行选择性的复制处理、交叉处理、变异处理，获得最终解，适应性针对情况进行评估明确是否能够满足验证的要求，如若在验证的过程中证明最终解能够满足迭代收敛要素方面的标准，就证明属于最优化的解，如果证明不能满足要素标准则需要重复各类步骤，直到寻找到最优解为止。

近年来我国在计算机网络优化设计的领域中已经开始广泛运用遗传算法，主要原因就是遗传算法可以借助自然选择的形式实现全局性随机搜索处理的目的，在计算机问题内部寻找最优、最佳的问题解决措施，和其他传统类型的算法相互对比，遗传算法在应用期间具备的特点为：其一，实际操作期间的对象属于参数编码，而不是参数自身；其二，可以进行多个点位同时性的搜索处理；其三，此类算法在应用期间需要通过数学函数明确所使用的评价方法；其四，算法计算的过程中应该遵守最优化的基本要点和原则，确保能够在全局的角度进行最优解的搜索。正是因为遗传算法有此类特点，使其在应用期间的优势非常明显，例如：算法在应用的过程中不会将参数本身当做是操作的对象，因此可以摆脱很多约束性的条件，拓宽算法在计算机网络中的应用空间、应用范围；多个点位同时性搜索能够增加搜索的范围，不再局限于传统类型的算法模式；此类算法在应用期间评价方式的明确和辅助性信息没有过多的关联，因此本身在信息层面的依赖度较低；算法不会对明确的规则有所依赖，搜索操作能够拓展到全局范围[1]。

2 遗传算法的应用原理分析

此类算法的应用需要依靠于数学表达公式，如公式（1）与公式（2）。

3 计算机遗传算法在网络优化设计中的使用

3.1 遵循基本性的要点

我国现代化计算机网络系统实际运行的过程中对整体安全性和稳定性非常重视，因此在优化设计计算机网络期间应遵守可靠性与我稳定性的原则，保证系统运行的安全水平。在可靠性优化设计的过程中需要保证计算机网络系统能够在指定的时间或是范围之内完成各类任务，不会出现安全问题或者稳定问题，而要想确保能够符合相关标准，网络优化设计环节中就应该集中进行网络运行层面的处理，利用遗传算法寻找能够提升网络运行安全性与可靠度的最优解，在保证安全性的情况下能够不断增强稳定性，及时发现与解决故障问题[2]。

3.2 网络优化中算法的改进

从本质层面而言遗传算法主要是将网络的可靠性作为基础针对网络进行优化设计，由于算法具有此类优势因此经常被当作是解决很多局部极值优化问题与高维搜索问题的首要选择，但是，根据对遗传算法基本原理的分析可以了解到，寻找最优解的时间较长可能会浪费很多资源，难以利用最快的速度进行网络优化设计提升系统运作的可靠性，因此必须要按照实际需求强化遗传算法的改进力度，例如：在整体系统优化设计期间进行遗传算法中繁殖流程的改造，将竞争繁殖引入其中，这样不仅可以确保此类算法能够和其他优化算法之间良好衔接，还能继续维持初始解的分散性，提升长编码问题解决的效率，主要改进措施为公式（3）与公式（4）。

在这个公式内部rd 主要就是改进之后最终的淘汰率，能够确保算法在应用过程中符合网络优化设计的基本需求[3]。

3.3 完善优化设计的流程

在完成算法改进之后应结合计算机优化设计的基本需求对整体设计流程进行完善，保证优化设计的效果。

（1）明确具体的操作准则要求，需要进行科学合理选择其中的网络拓扑结构，重点关注网络设计过程中增强容错性能、冗余性能，尽可能设计成为开放性的网络结构，引进市场较为先进的现代化网络管理软件技术，所有的系统都必须要符合最优配置的基本要求，最终达到预期的优化设计工作目的。

（2）合理创建其中的优化设计数学模型，按照整体系统的特征明确信息处理的顺序、秩序要求，准确计算分析路由选择环节、链路熔炼分配环节的传输类型与容量类型成本，创建将增强网络可靠性的良好优化设计数学模型，例如：采用树状网络形式开展结构的布置和设计工作，通过遗传算法的形式进一步优化设计，一般情况下在计算机网络内部会存在M 条等待选择的链路、N 个等待选择的节点，使用遗传算法开展优化设计活动，各类问题都是利用编码的方式描述，优化设计期间应随机性的选择等待选择的链路，准确判断各个节点之间是否具有一定的连通性，建议使用遗传算法进行节点的搜索处理，这样能够确保链路有着相应的畅通性能，借助N-1 条链路创建形成完整性的网络架构[4]。在此期间创建数学模型的过程中，假设网络拓扑结构是A(S,D)，S 主要就是节点集合内容，D 主要就是链路集合的内容，可以利用公式（5）进行链路成本的计算分析：

假设其中Xpq属于pq相互连接的形式，Xpq=0表达的是“其他”，那么这个问题的解集主要为（并且链路的成本是在此期间也可以创建一下的数学模型，如公式（6）。

（1）使用先进的二进制措施进行初始群体的编码处理，用来进行遗传基因的准确、合理表达。

（2）科学化计算种群范围之内的个体成员，合理进行排序处理，之后将当做是适宜性数值的函数，其中PS 代表着的就是种群的大小规模。

（3）科学运用适宜性数值的函数进行种群规模的挑选处理，淘汰其中具有小概率特点的种群，保证种群的优化性。

（4）在确保网络处于运行顺畅性状态的同时，通过已经改进的算法开展网络节点方面的优化设计活动，寻找基因交叉的具体位置，获得最佳、最优的解[5]。

3.4 准确选择搜索方式

在使用遗传算法对计算机网络进行优化设计的过程中，应重点关注对网络搜索措施的优化处理，尽可能利用遗传算法的技术措施获取精确度较高、收敛速度良好的搜索手段，而在明确此类搜索方式的阶段应以解决和处理计算机网络系统运行期间的各类问题为基础，利用加快收敛速度的方式提升网络搜索效率，增强整体操作的精确度，确保最终搜索质量快速提高。此时应重点运用相应的遗传算法优化搜索手段，科学设定收敛速度评价指标与搜索精确度的评价指标。虽然目前在遗传算法应用的过程中具有一定的简便性和操作容易的优势，但是很容易出现局限性的问题，只能针对局部区域优化处理，因此在使用此类算法的过程中需要扬长避短，借助局部优化的方式有效完成搜索方法的优化设计任务，以此为基础促使搜索精确度的提升、收敛速度的改善。当前在优化设计期间经常会在选择使用遗传算法的同时采用启发式搜索算法，主要原因就是此类算法具备很高的通用性，适合应用在各类网络优化设计领域，而且还能和遗传算法之间相互整合，确保可以在计算机相关系统运行期间以寻找最优解为目的合理搜索。因此建议在对搜索方式进行优化选择的环节重点将遗传算法和启发式的搜索算法相互整合，满足搜索功能的优化设计基本需求[6]。

3.5 优化网络层次结构

计算机的网络结构设计环节中应积极运用体系类型与网络类型的结构最高程度上确保系统的运作能够达到最佳的状态，采用遗传算法增强各类层次性结构的优化设计效果，首先，考虑到计算机网络系统运作方面接入层次属于最大出发点，具有用户网络数量动态化控制的功能，此情况下就应使用遗传算法优化设计，完善功能的同时确保可以进行网络宽带的交换处理，提升网络运作的高效化水平；其次，优化设计分布层次的部分，采用遗传算法的分层设计方式，使得网络核心层之间都能更为便捷相互连接，同时还能有效设置核心层次和接入层次的界限，增强VLAN 的聚合性，有效进行各类用户计算机网络的访问，控制网络功能。同时也可以使用遗传算法设置次助攻类型的安全认证模型系统，以此确保整体系统运作的效率，维护通信层面、网络层面的安全水平[7]。

4 结语

综上所述，计算机网络优化设计的过程中采用遗传算法具有诸多优势，但是也存在很多局限性问题，因此在新时期的环境下应重点结合增强网络可靠度与安全性的需求，对遗传算法进行改进，完善整体优化设计的流程与程序内容，不断提高各项优化设计的有效性，改善计算机网络系统的运行可靠度，充分发挥遗传算法的作用和价值，达到预期的优化设计目标。