论文部分内容阅读
【摘 要】随着社会的快速发展，计算机的应用也更加普遍。计算机技术的广泛应用，产生了许多交叉学科，遗传算法[1]就是其中一种比较突出的学科。利用遗传算法可以有效的解决许多问题。本文介绍了遗传算法的一些基本内容，在计算机快速发展的时代，遗传算法在计算机的地位也越来越重要了，分析了遗传算法在計算机网络中的应用。将计算机网络与遗传算法有效结合起来能够实现计算机网络的安全、稳定发展。
【关键词】遗传算法 计算机网络 应用
一、引言
随着科学技术的不断发展，计算机已经广泛应用于人们日常生活的各个领域，应用领域的不断扩大，使得人们追求结果的准确性、科学性也在不断深化。经济快速发展的时代，计算机技术的普及，在计算机网络中引用遗传算法是计算机科技发展的必然趋势。遗传算法从根本上改变了传统的计算理念，在科学领域乃至各行各业中起到至关重要的作用。
二、遗传算法的基本内容
（一）遗传算法的定义
自90年代以来，遗传算法取得较快的发展。随着计算机技术的发展，遗传算法广泛运用于计算机网络中，为计算机网络运行保驾护航。遗传算法是一种借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。遗传算法是在计算机技术人工智能领域中解决最优化的一种搜索启发式的算法。这种算法是一种进化算法，这种启发式算法通常用来生成最优的解决方案来搜索问题。
（二）遗传算法的特点
1.遗传算法搜索是从问题解的串集开始
遗传算法区别传统的优化计算方法就是遗传算法是从问题解的串集开始搜索，而不是从单个解开始，而传统优化计算方法是从单个初始值开始进行最优解，这种算法容很易陷入局部最优解的困境。遗传算法从串集开始进行搜索，覆盖面积广泛，考虑的节点多，利于全局择优。
2.遗传算法是对群体中的多个个体逐一处理
遗传算法是同时处理群体中的多个个体，即对搜索空间中的多个个体进行评估，减低了陷入局部最优解的风险，同时遗传算法本身比较容易实现并行化。遗传算法是有自组织、自适应和自学习性的功能，遗传算法利用进化过程获得的信息自行组织搜索时，适应度大的个体具有较高的生存概率，并获得更适应环境的基因结构。
3.遗传算法采用的是变迁规则作为导向
遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。遗传算法基本上不用搜索空间的知识或其它辅助信息，只用利用适应度函数值来对每一个个体进行评估，从而在此基础上进行遗传计算。适应度函数不仅不会受连续可微的约束，而且其定义域可以进行任意的设定。这一特点使得遗传算法的应用范围大大扩展。
三、遗传算法在计算机网络中的应用
（一）遗传算法在计算机网络优化设计中的应用
随着计算机技术的发展，在计算机网络优化设计[2]中，存在着链路容量分配以及路由选择两个主要问题。在给定网络各节各点值的拓扑结构下，如何选择路由以及分配链路容量，才能使计算机网络在减低成本的同时达到性能最大的发挥效果。受传统观念的影响，在针对这两个问题时通常都是在先确定一个条件再去解决另一个。随着计算机技术的不断发展，计算机网络中的路由以及容是相互关联的。要处理好两个问题，可以利用遗传算法，设计出一种最优的解决方案。在计算机网络优化设计中的数学模型，各节点之间大多都是采用存储—转发的方式工作。为了简化问题，假设节点处理处理时延和链路处理时延忽略不计，可以通过排队模型来进行处理，从先往后的依次处理。
（二）遗传算法在计算机网络中可靠度优化计算中的应用
科学技术的不断发展推动了计算机网络的发展，随着计算机网络技术广泛应用于人们日常生活的各个领域，网络规模不断扩大，用户不断的增加。人们利用计算网络来存储大量的信息，将一些重要的资料信息都存在电脑里，这样能为人们节省大量了资源。但是这样也会出现相应的问题，计算机一旦出现系统故障，很可能就会导致这些重要的资料消失，带来巨大的损失。提高计算机的可靠度是现代计算机网络发展的必然要求。在计算机网络中可靠度优化计算中，运用遗传算法，将这些容易出现的问题通过数学模型建造，从而更好的找出问题的关键所在，提高计算机的可靠度[3]性能。
（三）遗传算法在计算机网络辅助设计的应用
自90年以来，遗传算法在计算机网络扮演着越来越重要的角色，经济的快速发展，在社会主义场经济体制下，运用计算机网络[4]能够有效的提高整体竞争力。在计算机网络辅助设计中运用遗传算法，可以使得设计更加直观，通过设置不同的视点，方便对设备进行空间定位，在进行计算机计算的时候便于修改，使所建立的图形、图片、模型数量能够相互间有效联合。
四、结语
科学技术的发展带动了计算机和计算机网络的发展，二十世纪九十年代，遗传算法的发现，推动了计算机领域的发展。在计算机网络中运用遗传算法，优化了计算机设计，为计算机网络提供了可靠的保证。随着经济的不断发展，遗传算法已经广泛应用于各个领域，利用遗传算法可以解决数值优化、机械学习、智能操控、图像处理等各个领域中的问题，有效的将计算机与遗传算法结合起来，为计算机科技事业做出更大的贡献。
参考文献：
[1]张顺颐，何军，舒斐，张载龙.基于遗传算法利用网络时延解决路由问题的新算法[J].通信学报，2011，07（12）：33—34.
[2]孙力娟，吴新余.应用遗传算法求解计算机通信网的最佳路由─—种新的遍历匹配选择法[J].南京邮电学院学报，2012，08（02）：123—124.
[3]刘艳秋，刘君，张颖.遗传算法在计算机网络可靠度优化计算中的应用[J].沈阳工业大学学报.2011，09（03）：36—37.
[4]周海严.浅谈计算机网络可靠优化计算过程中有效应用遗传算法[J].硅谷，2011，05（19）：67—68.
作者简介：
宋英杰，女，出生于1981年，民族：汉，籍贯：黑龙江省密山市，2004年7月毕业于牡丹江师范学院，获理学学士学位，2009年6月获辽工大工程硕士学位，黑龙江工业学院讲师，研究方向为计算机科学与技术。
【关键词】遗传算法 计算机网络 应用
一、引言
随着科学技术的不断发展，计算机已经广泛应用于人们日常生活的各个领域，应用领域的不断扩大，使得人们追求结果的准确性、科学性也在不断深化。经济快速发展的时代，计算机技术的普及，在计算机网络中引用遗传算法是计算机科技发展的必然趋势。遗传算法从根本上改变了传统的计算理念，在科学领域乃至各行各业中起到至关重要的作用。
二、遗传算法的基本内容
（一）遗传算法的定义
自90年代以来，遗传算法取得较快的发展。随着计算机技术的发展，遗传算法广泛运用于计算机网络中，为计算机网络运行保驾护航。遗传算法是一种借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。遗传算法是在计算机技术人工智能领域中解决最优化的一种搜索启发式的算法。这种算法是一种进化算法，这种启发式算法通常用来生成最优的解决方案来搜索问题。
（二）遗传算法的特点
1.遗传算法搜索是从问题解的串集开始
遗传算法区别传统的优化计算方法就是遗传算法是从问题解的串集开始搜索，而不是从单个解开始，而传统优化计算方法是从单个初始值开始进行最优解，这种算法容很易陷入局部最优解的困境。遗传算法从串集开始进行搜索，覆盖面积广泛，考虑的节点多，利于全局择优。
2.遗传算法是对群体中的多个个体逐一处理
遗传算法是同时处理群体中的多个个体，即对搜索空间中的多个个体进行评估，减低了陷入局部最优解的风险，同时遗传算法本身比较容易实现并行化。遗传算法是有自组织、自适应和自学习性的功能，遗传算法利用进化过程获得的信息自行组织搜索时，适应度大的个体具有较高的生存概率，并获得更适应环境的基因结构。
3.遗传算法采用的是变迁规则作为导向
遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。遗传算法基本上不用搜索空间的知识或其它辅助信息，只用利用适应度函数值来对每一个个体进行评估，从而在此基础上进行遗传计算。适应度函数不仅不会受连续可微的约束，而且其定义域可以进行任意的设定。这一特点使得遗传算法的应用范围大大扩展。
三、遗传算法在计算机网络中的应用
（一）遗传算法在计算机网络优化设计中的应用
随着计算机技术的发展，在计算机网络优化设计[2]中，存在着链路容量分配以及路由选择两个主要问题。在给定网络各节各点值的拓扑结构下，如何选择路由以及分配链路容量，才能使计算机网络在减低成本的同时达到性能最大的发挥效果。受传统观念的影响，在针对这两个问题时通常都是在先确定一个条件再去解决另一个。随着计算机技术的不断发展，计算机网络中的路由以及容是相互关联的。要处理好两个问题，可以利用遗传算法，设计出一种最优的解决方案。在计算机网络优化设计中的数学模型，各节点之间大多都是采用存储—转发的方式工作。为了简化问题，假设节点处理处理时延和链路处理时延忽略不计，可以通过排队模型来进行处理，从先往后的依次处理。
（二）遗传算法在计算机网络中可靠度优化计算中的应用
科学技术的不断发展推动了计算机网络的发展，随着计算机网络技术广泛应用于人们日常生活的各个领域，网络规模不断扩大，用户不断的增加。人们利用计算网络来存储大量的信息，将一些重要的资料信息都存在电脑里，这样能为人们节省大量了资源。但是这样也会出现相应的问题，计算机一旦出现系统故障，很可能就会导致这些重要的资料消失，带来巨大的损失。提高计算机的可靠度是现代计算机网络发展的必然要求。在计算机网络中可靠度优化计算中，运用遗传算法，将这些容易出现的问题通过数学模型建造，从而更好的找出问题的关键所在，提高计算机的可靠度[3]性能。
（三）遗传算法在计算机网络辅助设计的应用
自90年以来，遗传算法在计算机网络扮演着越来越重要的角色，经济的快速发展，在社会主义场经济体制下，运用计算机网络[4]能够有效的提高整体竞争力。在计算机网络辅助设计中运用遗传算法，可以使得设计更加直观，通过设置不同的视点，方便对设备进行空间定位，在进行计算机计算的时候便于修改，使所建立的图形、图片、模型数量能够相互间有效联合。
四、结语
科学技术的发展带动了计算机和计算机网络的发展，二十世纪九十年代，遗传算法的发现，推动了计算机领域的发展。在计算机网络中运用遗传算法，优化了计算机设计，为计算机网络提供了可靠的保证。随着经济的不断发展，遗传算法已经广泛应用于各个领域，利用遗传算法可以解决数值优化、机械学习、智能操控、图像处理等各个领域中的问题，有效的将计算机与遗传算法结合起来，为计算机科技事业做出更大的贡献。
参考文献：
[1]张顺颐，何军，舒斐，张载龙.基于遗传算法利用网络时延解决路由问题的新算法[J].通信学报，2011，07（12）：33—34.
[2]孙力娟，吴新余.应用遗传算法求解计算机通信网的最佳路由─—种新的遍历匹配选择法[J].南京邮电学院学报，2012，08（02）：123—124.
[3]刘艳秋，刘君，张颖.遗传算法在计算机网络可靠度优化计算中的应用[J].沈阳工业大学学报.2011，09（03）：36—37.
[4]周海严.浅谈计算机网络可靠优化计算过程中有效应用遗传算法[J].硅谷，2011，05（19）：67—68.
作者简介：
宋英杰，女，出生于1981年，民族：汉，籍贯：黑龙江省密山市，2004年7月毕业于牡丹江师范学院，获理学学士学位，2009年6月获辽工大工程硕士学位，黑龙江工业学院讲师，研究方向为计算机科学与技术。