进行通信网设计过程中，需要寻找最佳的通信网工作机制，这对于提升工作效率，保证通信网运行安全性和可靠性来说，具有重要意义。计算机通信网优化设计是通讯工程领域最受关注的课题，在长期研究和实践过程中，遗传算法对于实现计算机通信网优化设计有着重要推动作用。由于遗传算法的0——1非线性规划特征，常规数学寻优方法难以解决实际问题，对此，必须采取创新式的优化设计方法。本文对遗传算法在计算机通信网优化设计方面的研究，分析了遗传算法的基本特征，并就其实际应用进行了相关阐述。
1遗传算法的优势
遗传算法即GeneticAlgorithm——GA模拟进化优化方法，是美国科学家J.H.Holland提出，它可以有效地解决组合优化和复杂函数优化问题，在计算机通信网络优化设计中，起到了重要的推动作用。遗传算法在实际应用过程中，其优势主要表现在以下几个方面：（1）遗传算法在进行优化选择时，将全部优化变量编码作为搜索对象，提升了优化选择范围，更加有利于选择有效措施进行问题解决；（2）应用于计算机通信网优化设计过程中，遗传算法以一个解群向另一个解群搜索方式进行寻优设计，具有更好的效率；（3）遗传算法具有较高的针对性，寻优期间不利用目标函数值以外的数据信息；（4）遗传算法在进行空间优化问题解决时，采用概率性原则，更容易获取最优化设计目标。
2计算机通信网优化设计需求
通过分析计算机通信网优化设计需求，我们可以更好地发现计算机通信网在进行优化设计时，需要利用遗传算法进行解决哪些问题，在应用过程中，更具针对性，从而更加有利于对实际问题的解决。
2.1可靠性
计算机网络是实现数据传输的关键，在进行工作时，必须具备较高的可靠性。例如计算机网络规定时间内、规定条件下，网络必须保持连通，并能够保证数据通信要求，这种特性，就是计算机通信网的可靠性。
2.2可靠度
可靠度是可靠性的一个延伸，涉及的问题主要有规定条件下（操作方式、维修方式、温度、湿度等），规定时间（1000小时或是一个季度，特定的时间范围内）内，网络功能情况是否具有较高的可靠性。计算机网络可靠度分为以下两个类型：（1）终端可靠度：在概率图中，指定源点和汇点之间至少有一条正常运行的链路的概率；（2）全终端可靠度：概率图中，任意两点之间都存在正常运行的链路的概率。
3基于遗传算法的计算机通信网优化设计
3.1遗传算法的计算机通信网优化设计步骤
在利用遗传算法进行计算机通信网优化设计过程中，必须注重按照如下步骤进行：（1）确立编码方案。编码方案是进行优化设计的前提，编码后的序列称为染色体，并随机产生一组初始染色体，初始染色体为优化设计方案的初始群体。（2）进行适应度运算。对初始群体数据进行计算，并形成组解，对组解内的各个染色体适应度进行求解。（3）选择运算。根据实际需要，将符合需要的各条染色体遗传到下一代群体中，并进行概率运算，随机产生符合条件的下一代染色体。（4）交叉运算。当下一代染色体生成后，对其进行配对，之后以交叉概率的形式进行部分染色体互换。（5）变异运算。变异运算过程中，以变异概率为主，并且需要在变异点对染色体基因值进行改变。同时，变异运算主要对适应度运算、选择运算、交叉运算、变异运算这四步进行迭代运算，当产生符合条件的优良个体后，计算终止。优良个体结果的产生，是以满意度较高的函数值作为评定标准的，该数值就是优化设计的最终结果。
3.2优化结果分析
在进行遗传算法计算过程中，需要有着明确的计算环境，本文提出的遗传算法环境是在matlab环境下进行的。同时，参数设置如下：种群大小POPX7.E=100，最大迭代次数MAXGEN=300，交叉率pc=0.5，变异率pm=0.7。优化设计过程中，需要考虑的主要因素有网络费用、时延、可靠性，该因素性能指标权值为we=wr=wd=0.33。同时，在进行变异计算过程中，需要考虑到计算机通信网优化设计的具体要求和满意度，网络费用以及时延问题是考虑的首要问题，为了更好地实现高可靠性低成本目标，we和wr的取值可为0.5，有利于实现计算机通信网络的拓扑优化问题。
4结束语
综上所述，在进行计算机通信网优化设计过程中，遗传算法可以更好地解决计算机工作环境复杂问题，能够有针对性地进行最优化方案的选择。因此，在计算机通信网优化设计过程中，我们要注重对遗传算法的有效应用，发挥遗传算法搜索速度快、对目标函数值不设置、质量高等优势，切实发挥其在计算机通信网优化设计中的作用。
作者：廖葵 张江
