摘要：在提高计算机网络传输系统可靠度的基础上，如何有效的降低网络结点链路成本，成为计算机网络可靠度优化计算中的重要目标之一。为此，在计算机网络可靠度优化计算时，将计算机网络链路介质成本、网络可靠度优化的数学模型等因素综合在一起进行考虑，文章阐述了遗传算法及其执行过程，并对遗传算法用于网络链路成本和网络可靠度优化的计算中，最后通过仿真结果表明，遗传算法能够有效的解决网络传统算法难以解决的可靠度优化计算问题，加快了计算机网络计算的速度，优化了网络的计算效果。
关键词：遗传算法；可靠度；计算机网络；优化
中图分类号：TP311.52 文献标识码：A 文章编号：1007-9599 （2012） 23-0000-04
随着计算机通信技术的日益发展，网络信息传输的可靠性要求也越来越高，各行业对于计算机网络数据的依赖性也相继增强，如银行业、医疗行业、网络销售行业等，相应的安全性要求也越来越严格。计算机网络可用性是指计算机网络以一棵生成树的方式，保证计算机网络各个用户之间相互联通的能力，其主要参数测度包括：网络连通性、生存性、抗破坏性网络元件的有效性等，如何有效的保证计算机网络数据传输的可靠性成为人们关注的热点问题之一。运用传统求解方法来解决这一复杂的NP难题，存在很多的缺陷，不能很好的解决这一问题，基于这一研究的现象，论文提出了运用遗传算法，对计算机网络的可靠度进行优化计算，并结合实例实现了算法的执行过程。
1 研究相关概念的阐释
1.1 计算机网络可靠度优化。计算机网络通信在一定的操作、负载、命令控制的情况下在规定的时间内，在网络中进行信号的转换和传递，在可连通网络和保持网络通信的能力并完成相应的数据传输，称作计算机网络可靠性。它要求数据的传递具有完整性，整个结构具有完整的科学体系，并具备系统工程科学的特征。一般情况下，计算机网络可靠度可分为以下几种类型：
（1）ɑ终端可靠度：就是信息的制定汇点s与源点t之间的数据通信信道，至少存在一条正常的数据通信链路，能够进行网络数据的传输；
（2）γ终端可靠度：在通信系统的所有信道内，指定的γ个结点所构成的通信信道的集合中，都存在有正常的通信链路，保证数据传输的可靠性和稳定性；
（3）全终端可靠度：在通信信道的集合中，任意两点间均能进行正常的数据通信，称作全终端可靠度。
1.2 遗传算法。遗传算法是运用生物的自然选择和遗传机理的基本特征，对网络数据传输的过程和方式进行模拟，依据生物体基因信息传递的方法，通过群体搜索与个体间的信息交换，将网络中的信息进行分割和传输，并在网络的终端进行重新组合，建立适应网络全局的优化信息搜索功能，这种方法操作简便，具有良好的通信全局性，功能和优势显著，能够解决网络数据传输的封装问题。在运用遗传算法对网络的可靠性进行优化计算和分析时，首先要确立遗传算法的优化方案，将数据的序列作为编码的染色体，并加载一定能够的控制信息，用组成编码的元素作为遗传算法的基因，便于数据信息进行传输，组建一组染色体的初始群体，最后通过适应度运算、选择运算、交叉运算和变异运算等运算，并将传输的信息进行抽取和重组，产生满足停止标准的优化个体信息，完成网络信息的传递，以求适合综合度最高的主干网数据传输设计，并保证数据传输的可靠度。
2 数据传输的问题描述
2.1 问题的假设
（1）假设在计算机网络传输的节点之间存在多种信息传输信道，而且只有一条直线链路传输，这样便于运用数学模型G=（N，L）对网络传输的信息进行描述。
（2）网络传输信道通信的稳定性较好，节点之间能够进行有效的数据传输。
（3）网络通信信道介质的长度与通信网络的可靠度不存在直接的数据交换关系。
（4）网络中的设备出现问题时，与网络数据的传输信道不存在直接关系，即网络和通信信道只存在两种状态：工作和故障两种状态。
2.2 问题计算的数学模型
（1）网络信道链路介质成本矩阵如下公式（1）所示：
（1）
式中：C0为信道介质的成本矩阵， 为结点 （ ）之间的信道链路的介质成本。
（2）网络信道链路介质的数学计算公式如下（2），（3）所示：
（2）
（3）
在上式中：C为信息在通信信道中的成本，N为计算机网络传递的结点数， 为结点i与j之间的最逻辑链路的介质数（也包括直接连接的链路）， ， 为计算机网络中结点可靠度约束常数。当 的值为1时，节点i与j之间有直接链路， 的值为0时，结点i与j之间没有直接的链路。
（3）链路介质可靠度的计算机方法，根据上面的计算方法，链路介质计算的具体详细的计算公式（4）所示：
（4）
式中， 为计算机网络的可靠度矩阵， 为计算机网络结点之间链路介质可靠度。其中， 。
当整个网络处于可用状态，处在网络中的计算机都能够互相连通，在正常状态下的每个结点就可以组成G图的一颗生成树，保证网络的正常工作。在网络正常运行的任意时刻，可能只有在 成立时，网络线路处于信息正常传输状态，这时，网络中的全部结点都为正常工作状态的可靠度可用公式（5）进行计算：
（5）
式中的 为计算机网路的i条链路的介质的可靠度， 为网络的第i结点，N为计算机网络的结点数。
（4）计算机网络的可靠度建模公式。当网络处于正常的工作状态时，网络中的数据传输，存在最大化R，同时存在C≤C0，使得整个计算机网络处于正常工作的状态。具体的计算如下公式（6）所示：
（6）
为计算机网络在正常工作状态下的所有集合，其中 为计算机网络中的第i条线路介质。
3 遗传算法在计算机网络可靠度优化过程中的应用分析
3.1 优化通信过程的数学建模分析。为了优化数据在信道中的传递，简化网络中节点信息的储存和通信的NP难题，在进行数学建模时，运用顺序服务的原则与方法进行遗传算法，对数据的排队模型进行计算分析，在计算时，忽略信道链路信息处理和节点信息传输的的延时，对于计算路由的选择与容量的分配的时间可以用以下公式（7）计算表示：
（7）
但是在公式（7）还存在如下的约束条件，多信道传输的可靠度进行优化：
在公式（7）中，λm为网络的节点m的报文送达率，报文的平均长度1/μ，K为可选容量类型数，C为网络信息链路的容量集，fk为选用第k类容量时的信息流量，Vk为可更改的信息流量，D为单位信息传递的延时，Xim的分别为1、0，根据前面的定义，节点经过链路时，值为1，不经过为0，Yik的值分别为1、0，直接经过链路得到网络分配容量值为1，没有得到值为0。
通过公式（7）的计算可以得到的是一个包含着选择路由和分配容量的复杂非线性方程，它是具有约束条件的优化数学建模模型，通过遗传算法可以解决这个问题。
3.2 遗传算法的设计优化。根据遗传算法对计算机网络靠性的优化设计具有非常好的效率，能够满足网络优化的需求，运用这种方法能够明显的改善网络数据传输的效率。具体设计时首先输入相关数据及遗传算法的控制参数，根据参数确定初始群体的范围和适应值函数，运用遍历匹配的方法进行竞争选择，然后进行杂交处理操作，进行全局的寻优处理操作，直到满足收敛条件的全局近似的最优解。
3.3 遗传算法的求解过程。遗传算法是运用生物自然选择与遗传机理的思想，而设计的随机搜索算法，通过对群体搜索和个体信息的交换，以在网络中寻找最优点进行搜索，实现最为优化的算法设计。它的算法过程如下：
3.4 具体遗传算法的优化设计
（1）基因表达。基因表达是确定网络传输的重要优点，本文采用二进制的一维编码，确定计算机网络N个结点网络基因，具体的设计如果网络信道传输中有4个结点，相应的网络基因结点就变成了一个基因表示如下表2所示，形成的网络结构图如下图1所示：
（2）选择适值函数。适值函数是确定算法前提条件，能有效防止遗传算法中的数据欺骗，将初始种群中数据个体的成本值，按照降序排列，将排序成本最小的个体编码值设为1，排序的最大编码排序的编码设为 ，则相对应的适值函数为：
式中的x为数据个体在网络成本中排序的位置， 为种群的规模，并具有相应的约束条件为： 。
（3）进化运算。根据适值函数的运算方法，采用转轮选择运算，假设在选择时，每个基因选择概率都正比于它的适值，有对于任何适值为 的基因，它选择概率 与适值 以及与种群编码的排序范围 存在如下的关系：
（4）遗传运算。遗传运算在计算机网络优化计算中有交叉和变异两种形式进行。
1）交叉。完成数据交叉的有效范围为（[1，N]），可以采取随机交叉的方法，来确定基因交叉的位置，实现数据的交换操作，可以保证计算机网络数据的连通性，但是有时可能的数据不能代表网络数据连通，出现网络错误，这样就需要进行算法调整。
2）变异。变异首先是要确定进行变异的基因的具体范围，以及需要变异具体的数目，然后根据选定的基因片段代替旧基因，相应的操作如下：
①假设数据的变异基因为 ，有： ；
②根据数据变异的基因数目，随机选取整数， ， ；
③根据基因的变异，生成的后代 ，则相对应的有： ；其中 是 。
④如果步骤③不能实现，就转入步骤②。
（5）算法的优化调整。根据优化算法的结果，对相应的数据传输进行调整，对算法中的每个基因的表达式进行分析，并对信道的连通进行判断。
①如果 =1时，则执行原交叉，进行基因数据变异操作，直至数据操作完成；
②如果 =0时，根据遗传算法分析和计算的要求，令 =1；
③如果 =1时，进行数据交换，令 =0；
④如果步骤③不能实现，则对网络信道的连通性进行判断和测试。
4 仿真举例
根据上面的遗传算法的分析，按照文章第一部分的给出假设，建立一个计算机网络信道通信系统，采用遗传算法进行仿真实验，假设该计算机网路信道系统有6个结点，通过对一个计算机网络信道可靠度优化计算的实验，通过实验进行多次的计算，具体建构的数学模型如前面所述，将遗传算法应用于计算机网络可靠度的优化实验中，提升网络的可靠性和稳定性，该实验测得的网络信道链路介
质的成本相关数据进行成本矩阵C0数据矩阵的计算，相应的结果如下矩阵所示：
测得的可靠度的相关数据进行可靠度矩阵R0计算，结果分别如下列的矩阵所示：
根据上面的假设，计算机网络节点数为N=6，网络通信信道的可靠度优化的约束常数分别为α=2，β=2，在进行网络通信信道的算法操作时，当遗传操作迭代数为100次后，经过仿真计算求解，可以计算出网络信道链路介质总成本的值为46，能够保证网络信道的可靠度有最大值为0.885，网络系统的信息传输的完整性和安全性比较可靠，这充分的证明，基于遗传算法的网络信道可靠度的优化能够满足网络信息传输的要求，能够达到仿真实验的要求和目的，基于遗传算法的计算机网络信道可靠度优化的具体仿真曲线如图下2所5 结论
5.1 遗传算法能够提高信息在网络中的传输速度。通过实际的计算分析及仿真试验，遗传算法的结构比较简单，适合在网络信道信息传输中应用，具有操作简便、搜索高效、适用性强，能够提升网络的传输效率。相对于传统网络传输的可靠度的计算算法，遗传算法具有明显的优势，缩短了网络计算的时间，提升信息的计算速度，计算效果因而得到有效优化，改善了网络传输的方式，操作性能也大大提高。
5.2 采用遗传算法对信息传输计算，适用性较强。运用遗传算法可以有效地完成降低网络成本的重要目标，降低网络的损耗，并且在原有基础上将网络可靠度进一步提高，优化网络的性能，同时兼顾链路的介质成本问题和矩阵可靠度优化的问题以及数学模型求解等问题。
5.3 能够有效的解决网络信息传输的算法问题。本文的研究将遗传算法应用于计算机网络可靠度优化计算之中，提升网络信息传输的速率，达到了降低网络链路介质成本，提高网络可靠度，优化网络计算的目的，算法简洁，编程易于实现，可读性好，具有很强的实用价值。
参考文献：
[1]武小悦，张维明，沙基昌.具有节点失效的网络可靠度的信息交互算法[J].国防科学技术大学学报，2009，2.
[2]金庆风，刘胜利.基于可靠性理论的计算机通信网络分析及多目标优化[J].微型电脑应用，2009，1.
[3]孙力娟，王汝传.量子计算与遗传算法的融合及其在计算机通信网优化中的应用[J].电子与信息学报，2007，4.
[4]汪定伟，唐加福，黄敏.遗传算法与工程设计[M].北京：科学出版社，2008.
推荐访问： 计算机网络 遗传 算法 可靠 优化