遺傳算法在計算機仿真技術中的應用

倪寶珍

遺傳算法在計算機仿真技術中的應用

倪寶珍

永城職業(yè)學院，河南 永城 476600

遺傳算法的整體搜索策略、優(yōu)化搜索方法在計算時可以不借助梯度信息以及其他輔助知識，只需要借助影響搜索方向的目標函數、適應度函數皆可。也就是說，遺傳算法提供了一種實用的、高效的復雜系統(tǒng)問題解決框架。也正因為如此，遺傳算法的應用領域非常廣泛。基于此，主要對遺傳算法在計算機仿真技術中的應用進行了簡要的分析，希望可以為相關工作人員提供一定的參考。

遺傳算法；計算機仿真技術；并行遺傳算法

引言

計算機仿真技術是以多種學科和理論為基礎，以計算機及其相應的軟件為工具，通過虛擬試驗的方法來分析和解決問題的一門綜合性技術。計算機仿真（模擬）早期稱為蒙特卡羅方法，是一門利用隨機數實驗求解隨機問題的方法。其原理可追溯到1773年法國自然學家G.L.L.Buffon為估計圓周率值所進行的物理實驗。根據試驗結果來看，這種模型到達了預期效果，在進行計算機仿真時達到了較高的準確度。

1 遺傳算法與計算機仿真技術概述

1.1 遺傳算法概述

遺傳算法是模擬達爾文生物進化論中的自然選擇、生物進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構對象、無連續(xù)求導限制、全局尋最優(yōu)解、內在隱并行性的特點。在實際應用中，遺傳算法可采用概率化方法，自動化獲取、搜獲、調整得到最優(yōu)解。正是因為這些特點，遺傳算法被廣泛應用在信號處理、機器學習等方面。尤其是在計算機考試系統(tǒng)設計方面，遺傳算法作為其中關鍵技術之一，起到了非常重要的作用。遺傳算法也是計算機科學人工智能領域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，是進化算法的一種。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]。進化算法最初是借鑒了進化生物學中的一些現(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。遺傳算法在適應度函數選擇不當的情況下有可能收斂于局部最優(yōu)，而不能達到全局最優(yōu)。

1.2 計算機仿真技術概述

簡單來說，計算機仿真技術就是將生活中的物理現(xiàn)象借助適當的數學和物理模型在計算機中模擬出來，根據模擬得出的結論來分析實際場變量。這是人類科技上的一大突破，解決了傳統(tǒng)的仿真技術解決不了的難題。計算機仿真技術誕生以來，就受到世界各國的廣泛關注和高度重視。它以計算機為基礎，根據問題對象的實際要求，建立真實的數學模型，并將其轉換成仿真模型。在不同的決策問題下，利用計算機系統(tǒng)來演示運行狀態(tài)，從而將抽象問題真實地展現(xiàn)在計算機系統(tǒng)顯示器上。它涉及計算理論、控制理論以及各種實際系統(tǒng)的專業(yè)理論知識，并且綜合多學科領域的一項綜合技術[2]。當前，計算機仿真技術在國防、能源、交通、航空航天等軍事領域和其他領域得到了廣泛應用。計算機仿真技術起源于美國，后來被多個國家引進和推廣，并且將該項技術列為國防軍事重點發(fā)展的關鍵技術。由此可見，計算機仿真技術在現(xiàn)代科學技術領域中的地位和作用。

2 改進并行遺傳算法分析

并行遺傳算法（PGA）作為GA的一個重要分支，得到了越來越多專家們的重視。PGA正成為GA中的一個重要研究方向。近年來，對于PGA的理論和應用研究，許多計算機科學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算機的高速并行性和遺傳算法的天然并行性相結合，不僅提高了求解速度，而且由于種群規(guī)模的擴大和各子種群的隔離，降低了未成熟收斂的可能性，提高了求解質量。并行遺傳算法是協(xié)調計算機中容量與流量之間分配關系的主要算法，能夠較好地解決容量與流量分配問題。但是隨著當前使用量的不斷擴大，傳統(tǒng)的并行遺傳算法已經無法解決當前容量與流量的分配問題，只有對其進行進一步的優(yōu)化和改進，才能夠讓其發(fā)揮出更好的應用效果。

將改進之后的并行遺傳算法同傳統(tǒng)的遺傳算法進行比較可以發(fā)現(xiàn)，改進之后的遺傳算法能夠實現(xiàn)對路由中在前的基因的準確判斷，這對網絡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的狀態(tài)，有著較多的變化存在，在判斷上十分困難，但是對網絡容量和流量分配帶來的幫助較大。對于在路由中在后的基因實質上并不需要通過該算法進行判斷，只需要使用鏈路流量來代替即可，這也是改進后并行遺傳算法優(yōu)化的地方。通過優(yōu)化這兩個主要方面，提升計算機網絡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 遺傳算法在計算機仿真技術中的應用

3.1 對并行遺傳算法的解釋

對待不同的問題要從不同的角度詳細分析，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參數。（2）利用蒙特卡羅得出隨機數，從隨機數中選擇、排序、挑選，然后進行優(yōu)化。（3）進行仿真實驗，得出結果。（4）若得出的結果跟預想的不相符，重新實驗。

3.2 投針試驗

投針試驗是一種比較理想的方法，因為它是求近似值。此方法的要點是：在一張平整的桌面上設一組相距為1的平行線，然后隨意投長度為1的細針，假設細針與平行線的垂角為a，那么細針跟平行線相交的概率為L=lg|cosa|。因為a在[0，π]是均勻分布的，所以上面那個實驗細針與平行線相交的概率就等于p=2l/（api）。假設進行M次投針試驗，其中有P次相交，那么當M很大的時候，相交的頻率就與概率相等，公式為：π=2M/P[3]。

4 遺傳算法下計算機可靠性的優(yōu)化方法

遺傳算法下，計算機的可靠性擁有了優(yōu)化的技術支持，其基本設計要求也在此基礎上出現(xiàn)了一定變化。具體而言，包括連通性、可靠性、快速通信、高質量、靈活性以及經濟性六個要求[4]。連通性是指在實際應用中，計算機通信網之間應該是以節(jié)點、終端等各類方式連接在一起的，而且某一個節(jié)點的問題不會影響整體連通，這是計算機可靠性優(yōu)化的設計的最基本要求。可靠性是指整個網絡以及大網絡下的以太網、各個終端、節(jié)點的工作能力、兼容性良好，不會頻繁出現(xiàn)各類故障。快速通信對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致信道擁堵、傳輸時延，在進一步設計中，需要避免該問題。傳統(tǒng)的計算機存在信噪比較大的問題，在數據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。靈活性是指整個網絡可以優(yōu)化，能夠在時代發(fā)展的情況下不斷調整自身性能，接受更多用戶、提供更多服務。經濟性是指整體設計擁有較高的性價比[5]。

5 結束語

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

[1]蓋佳妮. 量子遺傳算法的改進與研究[D]. 錦州：渤海大學，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計[D]. 杭州：浙江理工大學，2017.

[3]余濱杉，王社良，楊濤，等. 基于遺傳算法優(yōu)化的SMABP神經網絡本構模型[J]. 金屬學報，2017，53（2）：248-256.

[4]溫斯琴，王彪. 基于神經網絡的計算機網絡安全評價仿真模型[J]. 現(xiàn)代電子技術，2017，40（3）：89-91.

[5]王亞杰，邱虹坤，吳燕燕，等. 計算機博弈的研究與發(fā)展[J]. 智能系統(tǒng)學報，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