论文部分内容阅读
摘要：信息时代背景下，计算机已经得到了广泛地普及，好不夸张的将“每个家庭都至少有一台计算机”，这不仅提高了人们生活质量和水平，还提高了人们工作、学习的效率。本文中，笔者首先构建了一个有关计算机通信网络中容量与流量分配的数学模型，并分析了构建数学模型的目的，之后通过探讨了应用改进的并行遗传算法进行优化的问题，最后深入分析了网络容量与流量分配优化的计算结果。
关键词：计算机通信网络；容量与流量；优化分配
随着人们对生活质量要求的不断提高，对计算机通信网络的体验需求越来越严格。为了能让通信网络更好的为人们服务，就要优化其容量和流量的分配，能在提高网络运行速度的同时大幅度降低经济成本。传统并行遗传算法对通信网络容量和流量的优化分配起的作用不大，难以满足人们的需求，技术人员将并行遗传算法进行了改进，使其分配效果有了很大的提升，提高了人们的实际体验。
1 构建数学模型
计算机通信网络中容量和流量分配的数学模型 一直以来，计算机网络中的流量和流量分配问题都是影响计算机技术发展的重要问题。网络容量和流量分配的主要目的是提高整个通信网络的性能，它以网络结构和节点为基础，找出一个能实现网络性能和经济效益相统一的平衡点，这就是容量和流量的最优分配。在建立数学模型之前，技术人员需要充分掌握模型的结构和约束条件。建立数学模型使得网络运营的总和很容易就能算出来。网络费用主要由三部分构成，其一是完全无法避免的链路上的延时费用，其二是计算机网络运营中的固定费用，其三是可以改变的费用。数学模型要求链路的容量必须要大于通信的流量，即使等于也是不合格的，并且要给链路1选择出某一条链路容量。需要注意的是，计算机网络的备选路由器只有选中和选不中两个选择。
2 需优化的问题
传统的并行遗传算法已经无法对计算通信网络容量与流量的分配问题进行科学计算，现在我国计算机行业中使用的是经过改进的并行遗传算法。与传统的遗传算法不同，改进后的遗传算法建立在遗传分析法的基础之上，它能精确判断出路由中在前的基因，这是因为在前的基因是随机产生的，并不是一成不变的。在后的基因并不需要遗传算法来进行判断，通过通信网络中每天的链路流量进行一定的替换就可以对在后基因进行准确判断。改进过的遗传算法能最大限度确保计算机通信网络容量与流量实现优化分配，并且能保证分配的效率，大大提高计算机网络的性能。 改进后的遗传算法优化求解过程主要有以下几个步骤：第一步，遗传算法中存在很多的不同的参数，求解的第一步就是将这些参数和其他待解数据进行输入。第二步，遗传算法要求随机选择三个染色体群，并依次对每个染色体的编码。第三步，每个染色体群中的染色体的值都是处于待解状态的，在计算出适应值的结果后要复制下来每个染色体，并进行基因交换，让染色体进行基因变异。第四步，选出最优化的染色体个体，如果这个个体的适应值非常高，就要大幅度降低交互频率，必要时将其降至初始水平，反复十次还是没有提高的话，就必须修改遗传参数。第五步，混合初始群体重新分配。
3结果与分析
第一，应用改进的遗传算法会改变平均分组延时和链路利用率，它们会随着分组长度的增加而提高。同时，将通信量从负荷较重的链路上转移到负荷較轻的链路上，能有效解决瓶颈现象，实现了资源的优化配置。
第二，计算机通信网络的运行总费用也会随着分组长度的增加而增长。这是因为，分组的长度如果增加会大为加重计算机通信网络的负荷，这就需要选择容量较大的链路，费用因此而增加。此外，计算机通信网络中的可变费用也在增加，这是因为网络中数据链路的数量有所增长。在计算机通信网络 ARPA 中，分组长度会大大影响平均延时，但是一旦分组长度超过了 400bits，就会增加链路容量，但不会增加平均延时。由于 OCT 网络中的数据链路比较集中的原因，平均延时并不会过多受分组长度的影响。然而，无论是在 ARPA 网络还是在 OCT 网络中，链路费用在网络运行总费用中所占的比例都非常大，其中对链路费用影响最大的因素就是分组长度，基于遗传算法的计算机通信容量和流量模型能在降低成本的前提下提高網络性能。
第三，随着分组长度的增加，网络费用和延时费用会有不同程度的增加，但是并不会增加平均延时。基于此，遗传算法应该选择容量较大的链路，网络总费用就会因此而大为减少。在 ARPA 网络中，如果单位分组延时费用在网络总费用中所占的比例从零增加到四分之一，网络费用就仍然占据固定费用的大部分，可变费用不会发生大的变化。在 OCT 网络中，可变费用与通信网络的流量密切相关，如果电网分组延时增加，那么可变费用也会随之增加。
综上所述，计算机通信网络中容量与流量分配的优化过程非常复杂，它的影响因素有很多种，需要技术人员采用改进过后的并行遗传算法，进行计算机仿真模拟计算，再结合通信网络的实际情况，选择最佳的优化方案。需要注意的是，优化方案不仅要能满足广大用户对网络性能的需求，还应该要降低一部分网络运行费用。总之，应用改进的并行遗传算法得到的数据时提高网络速度、降低成本的重要参考依据，技术人员在以后对网络容量与流量进行分配优化过程中，一定要重视改进并行遗传算法的应用，来促进我国计算机行业的发展。
参考文献：
[1]刘朝亮，辛鹏. 如何在计算机通信网络中进行容量与流量分配优化[J]. 电子技术与软件工程. 2016（10）
[2]王保华，何世伟，宋瑞，申永生.综合运输体系下快捷货运网络流量分配优化模型及算法[J].铁道学报.2009（02）
[3]刘鑫，许福永，米翠花.基于改进粒子群算法的网络路由选择和CFA的优化研究[J].计算机工程与设计.2008（14）
[4]许福永，林晓辉.计算机通信网络中容量与流量分配的优化研究[J]. 甘肃工业大学学报.2003（02）
[5] Clarke D B. An examination of railroad capacity and its im-plications for rail-highway intermodal transportation.. 1995
关键词：计算机通信网络；容量与流量；优化分配
随着人们对生活质量要求的不断提高，对计算机通信网络的体验需求越来越严格。为了能让通信网络更好的为人们服务，就要优化其容量和流量的分配，能在提高网络运行速度的同时大幅度降低经济成本。传统并行遗传算法对通信网络容量和流量的优化分配起的作用不大，难以满足人们的需求，技术人员将并行遗传算法进行了改进，使其分配效果有了很大的提升，提高了人们的实际体验。
1 构建数学模型
计算机通信网络中容量和流量分配的数学模型 一直以来，计算机网络中的流量和流量分配问题都是影响计算机技术发展的重要问题。网络容量和流量分配的主要目的是提高整个通信网络的性能，它以网络结构和节点为基础，找出一个能实现网络性能和经济效益相统一的平衡点，这就是容量和流量的最优分配。在建立数学模型之前，技术人员需要充分掌握模型的结构和约束条件。建立数学模型使得网络运营的总和很容易就能算出来。网络费用主要由三部分构成，其一是完全无法避免的链路上的延时费用，其二是计算机网络运营中的固定费用，其三是可以改变的费用。数学模型要求链路的容量必须要大于通信的流量，即使等于也是不合格的，并且要给链路1选择出某一条链路容量。需要注意的是，计算机网络的备选路由器只有选中和选不中两个选择。
2 需优化的问题
传统的并行遗传算法已经无法对计算通信网络容量与流量的分配问题进行科学计算，现在我国计算机行业中使用的是经过改进的并行遗传算法。与传统的遗传算法不同，改进后的遗传算法建立在遗传分析法的基础之上，它能精确判断出路由中在前的基因，这是因为在前的基因是随机产生的，并不是一成不变的。在后的基因并不需要遗传算法来进行判断，通过通信网络中每天的链路流量进行一定的替换就可以对在后基因进行准确判断。改进过的遗传算法能最大限度确保计算机通信网络容量与流量实现优化分配，并且能保证分配的效率，大大提高计算机网络的性能。 改进后的遗传算法优化求解过程主要有以下几个步骤：第一步，遗传算法中存在很多的不同的参数，求解的第一步就是将这些参数和其他待解数据进行输入。第二步，遗传算法要求随机选择三个染色体群，并依次对每个染色体的编码。第三步，每个染色体群中的染色体的值都是处于待解状态的，在计算出适应值的结果后要复制下来每个染色体，并进行基因交换，让染色体进行基因变异。第四步，选出最优化的染色体个体，如果这个个体的适应值非常高，就要大幅度降低交互频率，必要时将其降至初始水平，反复十次还是没有提高的话，就必须修改遗传参数。第五步，混合初始群体重新分配。
3结果与分析
第一，应用改进的遗传算法会改变平均分组延时和链路利用率，它们会随着分组长度的增加而提高。同时，将通信量从负荷较重的链路上转移到负荷較轻的链路上，能有效解决瓶颈现象，实现了资源的优化配置。
第二，计算机通信网络的运行总费用也会随着分组长度的增加而增长。这是因为，分组的长度如果增加会大为加重计算机通信网络的负荷，这就需要选择容量较大的链路，费用因此而增加。此外，计算机通信网络中的可变费用也在增加，这是因为网络中数据链路的数量有所增长。在计算机通信网络 ARPA 中，分组长度会大大影响平均延时，但是一旦分组长度超过了 400bits，就会增加链路容量，但不会增加平均延时。由于 OCT 网络中的数据链路比较集中的原因，平均延时并不会过多受分组长度的影响。然而，无论是在 ARPA 网络还是在 OCT 网络中，链路费用在网络运行总费用中所占的比例都非常大，其中对链路费用影响最大的因素就是分组长度，基于遗传算法的计算机通信容量和流量模型能在降低成本的前提下提高網络性能。
第三，随着分组长度的增加，网络费用和延时费用会有不同程度的增加，但是并不会增加平均延时。基于此，遗传算法应该选择容量较大的链路，网络总费用就会因此而大为减少。在 ARPA 网络中，如果单位分组延时费用在网络总费用中所占的比例从零增加到四分之一，网络费用就仍然占据固定费用的大部分，可变费用不会发生大的变化。在 OCT 网络中，可变费用与通信网络的流量密切相关，如果电网分组延时增加，那么可变费用也会随之增加。
综上所述，计算机通信网络中容量与流量分配的优化过程非常复杂，它的影响因素有很多种，需要技术人员采用改进过后的并行遗传算法，进行计算机仿真模拟计算，再结合通信网络的实际情况，选择最佳的优化方案。需要注意的是，优化方案不仅要能满足广大用户对网络性能的需求，还应该要降低一部分网络运行费用。总之，应用改进的并行遗传算法得到的数据时提高网络速度、降低成本的重要参考依据，技术人员在以后对网络容量与流量进行分配优化过程中，一定要重视改进并行遗传算法的应用，来促进我国计算机行业的发展。
参考文献：
[1]刘朝亮，辛鹏. 如何在计算机通信网络中进行容量与流量分配优化[J]. 电子技术与软件工程. 2016（10）
[2]王保华，何世伟，宋瑞，申永生.综合运输体系下快捷货运网络流量分配优化模型及算法[J].铁道学报.2009（02）
[3]刘鑫，许福永，米翠花.基于改进粒子群算法的网络路由选择和CFA的优化研究[J].计算机工程与设计.2008（14）
[4]许福永，林晓辉.计算机通信网络中容量与流量分配的优化研究[J]. 甘肃工业大学学报.2003（02）
[5] Clarke D B. An examination of railroad capacity and its im-plications for rail-highway intermodal transportation.. 1995