遺傳算法在計(jì)算機(jī)仿真技術(shù)中的應(yīng)用

倪寶珍

遺傳算法在計(jì)算機(jī)仿真技術(shù)中的應(yīng)用

倪寶珍

永城職業(yè)學(xué)院，河南 永城 476600

遺傳算法的整體搜索策略、優(yōu)化搜索方法在計(jì)算時(shí)可以不借助梯度信息以及其他輔助知識(shí)，只需要借助影響搜索方向的目標(biāo)函數(shù)、適應(yīng)度函數(shù)皆可。也就是說，遺傳算法提供了一種實(shí)用的、高效的復(fù)雜系統(tǒng)問題解決框架。也正因?yàn)槿绱?，遺傳算法的應(yīng)用領(lǐng)域非常廣泛。基于此，主要對(duì)遺傳算法在計(jì)算機(jī)仿真技術(shù)中的應(yīng)用進(jìn)行了簡要的分析，希望可以為相關(guān)工作人員提供一定的參考。

遺傳算法；計(jì)算機(jī)仿真技術(shù)；并行遺傳算法

引言

計(jì)算機(jī)仿真技術(shù)是以多種學(xué)科和理論為基礎(chǔ)，以計(jì)算機(jī)及其相應(yīng)的軟件為工具，通過虛擬試驗(yàn)的方法來分析和解決問題的一門綜合性技術(shù)。計(jì)算機(jī)仿真（模擬）早期稱為蒙特卡羅方法，是一門利用隨機(jī)數(shù)實(shí)驗(yàn)求解隨機(jī)問題的方法。其原理可追溯到1773年法國自然學(xué)家G.L.L.Buffon為估計(jì)圓周率值所進(jìn)行的物理實(shí)驗(yàn)。根據(jù)試驗(yàn)結(jié)果來看，這種模型到達(dá)了預(yù)期效果，在進(jìn)行計(jì)算機(jī)仿真時(shí)達(dá)到了較高的準(zhǔn)確度。

1 遺傳算法與計(jì)算機(jī)仿真技術(shù)概述

1.1 遺傳算法概述

遺傳算法是模擬達(dá)爾文生物進(jìn)化論中的自然選擇、生物進(jìn)化過程的一種過程搜索最優(yōu)解方法。這種算法是1975年美國Holland教授提出的，具有可以直接操作結(jié)構(gòu)對(duì)象、無連續(xù)求導(dǎo)限制、全局尋最優(yōu)解、內(nèi)在隱并行性的特點(diǎn)。在實(shí)際應(yīng)用中，遺傳算法可采用概率化方法，自動(dòng)化獲取、搜獲、調(diào)整得到最優(yōu)解。正是因?yàn)檫@些特點(diǎn)，遺傳算法被廣泛應(yīng)用在信號(hào)處理、機(jī)器學(xué)習(xí)等方面。尤其是在計(jì)算機(jī)考試系統(tǒng)設(shè)計(jì)方面，遺傳算法作為其中關(guān)鍵技術(shù)之一，起到了非常重要的作用。遺傳算法也是計(jì)算機(jī)科學(xué)人工智能領(lǐng)域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，是進(jìn)化算法的一種。這種啟發(fā)式通常用來生成有用的解決方案來優(yōu)化和搜索問題[1]。進(jìn)化算法最初是借鑒了進(jìn)化生物學(xué)中的一些現(xiàn)象而發(fā)展起來的。這些現(xiàn)象包括遺傳、突變、自然選擇以及雜交等。遺傳算法在適應(yīng)度函數(shù)選擇不當(dāng)?shù)那闆r下有可能收斂于局部最優(yōu)，而不能達(dá)到全局最優(yōu)。

1.2 計(jì)算機(jī)仿真技術(shù)概述

簡單來說，計(jì)算機(jī)仿真技術(shù)就是將生活中的物理現(xiàn)象借助適當(dāng)?shù)臄?shù)學(xué)和物理模型在計(jì)算機(jī)中模擬出來，根據(jù)模擬得出的結(jié)論來分析實(shí)際場(chǎng)變量。這是人類科技上的一大突破，解決了傳統(tǒng)的仿真技術(shù)解決不了的難題。計(jì)算機(jī)仿真技術(shù)誕生以來，就受到世界各國的廣泛關(guān)注和高度重視。它以計(jì)算機(jī)為基礎(chǔ)，根據(jù)問題對(duì)象的實(shí)際要求，建立真實(shí)的數(shù)學(xué)模型，并將其轉(zhuǎn)換成仿真模型。在不同的決策問題下，利用計(jì)算機(jī)系統(tǒng)來演示運(yùn)行狀態(tài)，從而將抽象問題真實(shí)地展現(xiàn)在計(jì)算機(jī)系統(tǒng)顯示器上。它涉及計(jì)算理論、控制理論以及各種實(shí)際系統(tǒng)的專業(yè)理論知識(shí)，并且綜合多學(xué)科領(lǐng)域的一項(xiàng)綜合技術(shù)[2]。當(dāng)前，計(jì)算機(jī)仿真技術(shù)在國防、能源、交通、航空航天等軍事領(lǐng)域和其他領(lǐng)域得到了廣泛應(yīng)用。計(jì)算機(jī)仿真技術(shù)起源于美國，后來被多個(gè)國家引進(jìn)和推廣，并且將該項(xiàng)技術(shù)列為國防軍事重點(diǎn)發(fā)展的關(guān)鍵技術(shù)。由此可見，計(jì)算機(jī)仿真技術(shù)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域中的地位和作用。

2 改進(jìn)并行遺傳算法分析

并行遺傳算法（PGA）作為GA的一個(gè)重要分支，得到了越來越多專家們的重視。PGA正成為GA中的一個(gè)重要研究方向。近年來，對(duì)于PGA的理論和應(yīng)用研究，許多計(jì)算機(jī)科學(xué)家做了大量的工作并取得了一定的成果。并行遺傳算法將并行計(jì)算機(jī)的高速并行性和遺傳算法的天然并行性相結(jié)合，不僅提高了求解速度，而且由于種群規(guī)模的擴(kuò)大和各子種群的隔離，降低了未成熟收斂的可能性，提高了求解質(zhì)量。并行遺傳算法是協(xié)調(diào)計(jì)算機(jī)中容量與流量之間分配關(guān)系的主要算法，能夠較好地解決容量與流量分配問題。但是隨著當(dāng)前使用量的不斷擴(kuò)大，傳統(tǒng)的并行遺傳算法已經(jīng)無法解決當(dāng)前容量與流量的分配問題，只有對(duì)其進(jìn)行進(jìn)一步的優(yōu)化和改進(jìn)，才能夠讓其發(fā)揮出更好的應(yīng)用效果。

將改進(jìn)之后的并行遺傳算法同傳統(tǒng)的遺傳算法進(jìn)行比較可以發(fā)現(xiàn)，改進(jìn)之后的遺傳算法能夠?qū)崿F(xiàn)對(duì)路由中在前的基因的準(zhǔn)確判斷，這對(duì)網(wǎng)絡(luò)容量和流量分配有著較大的幫助。路由中在前的基因處于一種隨機(jī)的狀態(tài)，有著較多的變化存在，在判斷上十分困難，但是對(duì)網(wǎng)絡(luò)容量和流量分配帶來的幫助較大。對(duì)于在路由中在后的基因?qū)嵸|(zhì)上并不需要通過該算法進(jìn)行判斷，只需要使用鏈路流量來代替即可，這也是改進(jìn)后并行遺傳算法優(yōu)化的地方。通過優(yōu)化這兩個(gè)主要方面，提升計(jì)算機(jī)網(wǎng)絡(luò)中容量與流量之間的分配效率，帶給人們更好的使用感受。

3 遺傳算法在計(jì)算機(jī)仿真技術(shù)中的應(yīng)用

3.1 對(duì)并行遺傳算法的解釋

對(duì)待不同的問題要從不同的角度詳細(xì)分析，建立一種能夠解決問題的并行遺傳算法模型。（1）通過并行遺傳算法模型來確定仿真前各個(gè)參數(shù)。（2）利用蒙特卡羅得出隨機(jī)數(shù)，從隨機(jī)數(shù)中選擇、排序、挑選，然后進(jìn)行優(yōu)化。（3）進(jìn)行仿真實(shí)驗(yàn)，得出結(jié)果。（4）若得出的結(jié)果跟預(yù)想的不相符，重新實(shí)驗(yàn)。

3.2 投針試驗(yàn)

投針試驗(yàn)是一種比較理想的方法，因?yàn)樗乔蠼浦?。此方法的要點(diǎn)是：在一張平整的桌面上設(shè)一組相距為1的平行線，然后隨意投長度為1的細(xì)針，假設(shè)細(xì)針與平行線的垂角為a，那么細(xì)針跟平行線相交的概率為L=lg|cosa|。因?yàn)閍在[0，π]是均勻分布的，所以上面那個(gè)實(shí)驗(yàn)細(xì)針與平行線相交的概率就等于p=2l/（api）。假設(shè)進(jìn)行M次投針試驗(yàn)，其中有P次相交，那么當(dāng)M很大的時(shí)候，相交的頻率就與概率相等，公式為：π=2M/P[3]。

4 遺傳算法下計(jì)算機(jī)可靠性的優(yōu)化方法

遺傳算法下，計(jì)算機(jī)的可靠性擁有了優(yōu)化的技術(shù)支持，其基本設(shè)計(jì)要求也在此基礎(chǔ)上出現(xiàn)了一定變化。具體而言，包括連通性、可靠性、快速通信、高質(zhì)量、靈活性以及經(jīng)濟(jì)性六個(gè)要求[4]。連通性是指在實(shí)際應(yīng)用中，計(jì)算機(jī)通信網(wǎng)之間應(yīng)該是以節(jié)點(diǎn)、終端等各類方式連接在一起的，而且某一個(gè)節(jié)點(diǎn)的問題不會(huì)影響整體連通，這是計(jì)算機(jī)可靠性優(yōu)化的設(shè)計(jì)的最基本要求。可靠性是指整個(gè)網(wǎng)絡(luò)以及大網(wǎng)絡(luò)下的以太網(wǎng)、各個(gè)終端、節(jié)點(diǎn)的工作能力、兼容性良好，不會(huì)頻繁出現(xiàn)各類故障。快速通信對(duì)信道的通暢和傳輸能力提出了較高要求，采用分組交換的模式可能導(dǎo)致信道擁堵、傳輸時(shí)延，在進(jìn)一步設(shè)計(jì)中，需要避免該問題。傳統(tǒng)的計(jì)算機(jī)存在信噪比較大的問題，在數(shù)據(jù)傳輸過程中也可能受到各類干擾出現(xiàn)誤碼，后續(xù)工作中如何提升抗干擾能力也需要加以重視。靈活性是指整個(gè)網(wǎng)絡(luò)可以優(yōu)化，能夠在時(shí)代發(fā)展的情況下不斷調(diào)整自身性能，接受更多用戶、提供更多服務(wù)。經(jīng)濟(jì)性是指整體設(shè)計(jì)擁有較高的性價(jià)比[5]。

5 結(jié)束語

本文讓更多的人知道了將遺傳算法應(yīng)用到計(jì)算機(jī)仿真技術(shù)中并非不可能，提出了一種仿真模型，它是以遺傳算法為基礎(chǔ)而建立的模型。為了證明此模型的應(yīng)用過程對(duì)圓周率進(jìn)行了精確計(jì)算，很好地解決了線性仿真技術(shù)中存在的大部分問題。

[1]蓋佳妮. 量子遺傳算法的改進(jìn)與研究[D]. 錦州：渤海大學(xué)，2017.

[2]王晗希. 基于交互式遺傳算法的服裝幾何花卉圖案的設(shè)計(jì)[D]. 杭州：浙江理工大學(xué)，2017.

[3]余濱杉，王社良，楊濤，等. 基于遺傳算法優(yōu)化的SMABP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型[J]. 金屬學(xué)報(bào)，2017，53（2）：248-256.

[4]溫斯琴，王彪. 基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型[J]. 現(xiàn)代電子技術(shù)，2017，40（3）：89-91.

[5]王亞杰，邱虹坤，吳燕燕，等. 計(jì)算機(jī)博弈的研究與發(fā)展[J]. 智能系統(tǒng)學(xué)報(bào)，2016，11（6）：788-798.

Application of Genetic Algorithm in ComputerSimulation Technology

Ni Baozhen

Yongcheng Vocational College, Henan Yongcheng 476600

The overall search strategy and optimization search method of genetic algorithm can be used without any gradient information and other auxiliary knowledge. It only needs the objective function and fitness function that can affect the search direction. In other words, genetic algorithms provide a practical and efficient framework for solving complex system problems. Because of this, the application of genetic algorithms is very extensive. Based on this, a brief analysis of the application of genetic algorithm in computer simulation technology is carried out, hoping to provide some reference for relevant staff.

genetic algorithm; computer simulation technology; parallel genetic algorithm

TP391.9；TP18

A