宋诚、谢杰 指导教师：程淑芳
武汉学院 湖北武汉 430212
【摘 要】伴随用户需求不断变化，相应的计算机网络也需要随需求不断优化。本论文在立足于遗传算法与计算机网络概述的基础上,首先系统介绍了遗传算法的概念、特点、工作原理以及优势等。然后研究了遗产算法在计算机网络优化中的应用价值，探讨了遗产算法在计算机网网络优化中的具体应用,分析了遗传算法应用下计算机网络优化设计结果以及其他应用。希望研究成果,为后期研究类似课题人员提供有效的参考和借鉴。
【关键词】 遗传算法；工作原理；应用价值；优化；
一、引言
随着计算机技术在各行各业的广泛应用,尤其是网络技术和Internet技术的迅速发展,进一步推进了企业化信息网络的建设和普及。一方面,企业网络的应用为企业全面推进信息化带来了极大的便利和高效。但另一方面,随需求的不断变化，也致使企业网络需要不断优化发展。本文将基于原有的计算机网络引入遗传算法，遗传算法作为生物遗传法则的重要内容,不仅在实现生物快速进化方面发挥出重要作用,还在计算机通信网络优化中体现出非常重要的应用价值,因此,在遗传算法的应用下,加强对计算机通信网络的优化是势在必行。
二、遗传算法概述
（一）遗传算法基本概念
在计算机科学和运筹学中，遗传算法是一种受自然选择过程启发的元启发式算法，属于进化算法大类。基本思想使用模拟生物和人类进化的方法求解复杂的优化问题。遗传算法将择优与随机信息交换结合在一起，在每一代中，使用上代中最好的，即最适应环境的位或片段，形成新的人工生物集。遗传算法是一个迭代过程，在每次迭代中都保留一组候选解，并按某种优劣指标进行排序，然后按某种指标从中选出一些解，利用遗传算子，即下面要讲到的遗传操作，对其进行运算以产生新一代的一组解。重复上述过程，直到满足指定的收敛要求为止。遗传算法主要设计如下几个概念：
个体：指的是一个数据结构，主要作用是描述基本的遗传结构。
群体：由一个个个体组成的集合。
适应值：每个个体都有一个对应的适应值。再优化问题中，这个适应值一般来自一个估计函数。
遗传操作：作用于群体而产生一个新的群体。例如选择、重组和变异。
除此以外，图2.1所示，遗传算法由五大要素。具体将在后续表现。
.png)
（二）遗传算法的工作流程
如图2.2遗传算法的执行过程如下：
.png)
（1）选择编码策略，把参数集合X和域转换为相应编码空。
（2）定义适应值函数f(X)。
（3）定义遗传策略，包括选择群体大小、选择、交叉、变异方法以及变异等方法确定交叉概率Pc、变异概率Pm等遗传参数。
（4）随机初始化生成群体P(t)。
（5）计算群体中个体的适应值f(X)。
（6）按照遗传策略，运用选择、交叉和变异操作作用于群体，形成下一代群体。
（7）判断群体性能是否满足某一指标，或已完成预定迭代。
三、 遗传算法网络优化的应用
（一） 引入遗传算法的价值所在
遗传算法的应用可以对组合优化问题以及复杂函数的相关优化问题进行有效解决,因此,在计算机通信网优化领域中得到了很好的应用，其应用价值主要体现在以下几个方面：
（1）搜索选择范围广。在遗传算法的应用背景下,相关领域技术人员对计算机通信网进行优化选择的过程中,可以将那些需要优化处理的变量全部作为搜索对象进行处理,从而实现对选择范围的进一步扩大和优化,进而为高效地解决相关优化问题提供了重要的依据和参考。
（2）工作效率高。通过将遗传算法应用到计算机通信网优化中,网络用户可以实现多个解群之间重要数据信息的快速搜索,极大地提高搜索效率和效果,为网络用户搜索资源节约大量的时间成本和精力成本。
（3）针对性强。遗传算法在具体的应用中,重点采用了最优方法对计算机通信网相关优化问题进行解决,避免对垃圾、无用数据信息的利用,从而很好地保证了计算机通信网优化的针对性和高效性。
（二） 遗传算法优化设计原则与架构
在遗传算法的应用背景下,为了进一步保证计算机通信网优化设计水平,相关领域技术人员必须要严格遵循以下设计原则——从而实现计算机通信网的标准化、规范化优化和设计。如此,才能充分发挥遗传算法的应用价值,实现计算机通信网健康、可持续发展。
第一,连通性原则。在对计算机通信网进行优化设计的过程中,要严格遵循连通性原则，确保多台计算机之间能够有效连通,并对那些因网络设备故障而导致连通出现不畅等问题的及时解决,以确保多个计算机通之间的有效连通。
第二，可靠性原则。在对计算机通信网进行优化和设计的过程中,要确保通信网相关设备运行的可靠性和安全性,避免相关设备在使用的过程中出现故障问题;同时,还要保证通用信道与相关设备之间数据信息传递的流畅性和稳定性。
在遗传算法的应用背景下,计算机通信网在具体的优化和设计的过程中,需要严格按照以下规定好的步骤进行,避免因算法错误而严重影响计算机通信网优化设计工作的顺利开展，从而给企业或者个人带来不可估量的经济损失。
第一,确立编码方案。采用编码程序的方式产生的序列被称作“染色体”,这些染色体经过组合和处理后随机形成一组新的初始染色体,而这些初始染色体作为一种初始群体应用在计算机通信网优化设计中。
第二.进行适应度运算。在这一环节中,相关领域技术人员需要采用适应度运算的方式对初始群体数据进行相关运算,并形成多组解,然后，在多组解这一范围内,对所有染色体的适应度进行科学分析和精确计算,以求出最终解。
第三,选择运算。根据计算机通信网优化设计相关标准和要求,采用遗传的方式将所需要的类色体基因遗传到指定的下一代群体中，当遗传操作处理完毕后,对其遗传结果进行相应的概率运算,然后采用随机生成的方式,形成新的下一代染色体,并保证这些染色体能够符合相关条件和要求。
第四,交叉运算。对于那些形成的新染色体,相关领域技术人员需要对其进行科学配对,同时,还要对它们的交叉概率进行精准计算.然后，根据计算的交叉概率,对染色体进行部分位置的互换。
第五,变异运算。在这一环节中,主要以变异概率计算为主,改变染色体的变异点，然后,采用重复之前运算步骤的方式,.直到形成的多个优良个体为止,新形成的优良个体就是计算机通信网优化的最终结果。
虚拟化测试后,通过应用遗传算法,将形成的优良个体作为计算机通信网优化设计的最终结果。在对计算机通信网进行优化期间，如果将网络费用、可靠性、费用满意度放在至关重要的位置。在可靠度相同的条件下,可以取得良好的满意度,有效地保证了计算机通信网优化设计水平。
四、 遗传算法应用总结与其他应用领域
（一） 遗传算法网络应用总结
在遗传算法的应用背景下，可以对计算机通信网相关的优化问题变得简单化,从而求出多个最优解,这些优化成果得益于遗传算法结构简单、搜索效率高、质量高等优点。相信遗传算法在未来的发展中将会有更加广阔的应用前景。
（二） 遗传算法其他应用领域
遗传算法除了在企业网络中应用之外，在各行各业都存在广泛的应用。例如人工智能与计算机科学、自动控制领域、旅行商问题、天然气管道的最优控制、喷气式飞机涡轮机的设计等。例如图求元函数最值。
.png)
参考文献
[1] 晏慧,康茜,雷建云.基于遗传算法的MOTCP方法[J].中南民族大学学报(自然科学版),2021,40(02):193-196.
[2]郭小娟.基于自适应遗传算法的无线多媒体传感器网络的QoS路由算法[J].造纸装备及材料,2021,50(02):101-103.
[3]杨练兵,郑宏伟,罗格平,杨辽.基于遗传算法优化BP神经网络的土壤盐渍化反演[J].地理与地理信息科学,2021,37(02):12-21+37.
[4]白玉,陈自强.改进的自适应遗传算法在人体行为识别中的应用[J].电脑与信息技术,2021,29(02):4-7.
[5]王倩,李风军.改进的自适应遗传算法及应用[J/OL].重庆师范大学学报(自然科学版):1-8[2021-04-19].http://kns.cnki.net/kcms/detail/50.1165.N.20210407.1457.016.html.
[6]张韵,钟慧超,张春江,李新宇,丛建臣.基于机器学习的多策略并行遗传算法[J/OL].计算机集成制造系统:1-16[2021-04-19].http://kns.cnki.net/kcms/detail/11.5946.TP.20210329.1316.010.html.