遺傳算法在高校網絡中心機房建設施工優化中的應用

曾祥天

（青島港灣職業技術學院 現代教育技術中心，山東 青島 266400）

1 高校自有網絡中心機房的重要性

隨著數字化、信息化在高校內的不斷推進和發展，高校對于信息化教學、信息化管理提出了新的需求，同時對于信息系統的硬件設施也提出了較高要求，為滿足不斷發展的信息化教學和管理的要求，各大高校都在新建、改建、擴建原有的信息化核心設備機房。網絡中心機房作為信息化建設的核心設施，對高校的教育教學信息化工作有著重要的支撐作用，其建設也應該遵循可持續性的原則，必須要科學、合理。雖然目前社會上可以提供優質的云服務和云計算業務，但是高校的自有機房在建設、管理、運維等方面所能提供的人才培養功能是云服務、云計算運營商所不能提供的，一所高校，必須擁有自己的核心網絡運維人員，才能高效的、有針對性的管理和維護校內各信息化應用系統。而參與網絡中心機房的建設對于信息化管理人員來講是一次難得的學習知識和提升自身能力的機會。網絡中心機房的建設，涉及的范圍廣，包含土建裝修、消防通風、散熱制冷、綜合布線等諸多領域，所以在施工過程中，需要通過對施工過程進行適當的優化，以便節約成本、縮短工期。

2 遺傳算法簡介

遺傳算法（Genetic Algorithm，GA）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。遺傳算法是把問題的解集看做整個種群的染色體，每個染色體都是潛在的解，種群中染色體的個數表示種群規模。子代染色體一般通過交叉和變異來改變父代染色體，這樣子代染色體就在不斷的繁殖中得到了改變。每一代的子代染色體都要評價其自身適應度，適應度較高的染色體保留下來的幾率也較高。最終，代表問題最優解的子代染色體可能都是同樣的或者達到了規定的要求，問題得解。遺傳算法一般包含以下要素：編碼，初始群體設定，適應度評價，選擇，交叉，變異和終止準則。

3 雙代號網絡優化法和遺傳算法在網絡中心機房建設中的優化對比

規劃當中的學院網絡中心機房位于A0、C1 兩棟教學樓內，總工期要求小于40 天，總投資小于11 萬元。工程涉及材料采購、土建裝修、消防改造、空調安裝、綜合布線、設備調試等諸多步驟。此項目由學院技術中心負責協調各相關單位進行實施。為便于項目的工期編排和費用結算可將該項工程分解為：A、B、C、D、E、F、G、H、I、J、K、L、M、N、O、P、Q、R、S、T、U、V，共計22 項工作。各工作之間的邏輯關系以及各工作的持續時間如表1，各工作與直接費用統計如表2。

表1 各工作與持續時間表

表2 各工作與直接費用表

通過繪制雙代號網絡計劃圖可以得到以下結論：關鍵線路為：A-D-G-H-E-R-S-T-U，關鍵線路工期為45 天。其中間接費率為：萬元/天。通過工期壓縮法優化得到最終優化結果為最短總工期為38天，其總費用為11.534 萬元。結論：費用超預算，但此時雙代號網絡優化法已無法再對費用進行進一步壓縮了。

下面使用遺傳算法進行優化。

針對關鍵工序建立優化方案的數學模型，

通過遺傳算法的計算規則，我們可以確定最終需要優化的具體目標函數為：

分別設定不同的群數量（100、1000）和迭代次數（30、100、1000）進行運算，再將得到的bestind 值取最佳平均值之后再取整（計量單位為整數天）得到表3。

表3 種群數量、迭代次數與工期對照關系

根據關鍵工期優化結果，可由表2 計算出最終優化結果：當工期為40 天時，直接成本最低為12.44 萬元，對應的總成本為10.39 萬元。符合學院對于該項工程工期和成本的要求，所以基于遺傳算法的優化方案是可行的。

4 結語

遺傳算法在運算的最終結果方面，既確保了工期，又控制了成本。該算法的優化原理較早期的網絡進度計劃優化法更有數學理論依據，過程更加邏輯化。在最終結果的運算方面，該算法給出了帕累托解集，該解集有多種工期- 成本搭配方案。網絡進度計劃在多目標優化問題上導向性不足，人工優化容易在優化過程中出錯，其主要表現形式是隨著優化的不斷進行，優化難度逐步增加，很容易導致最終優化目標的偏離，并且計算過程也不夠嚴謹，優化過程存在一定的人為主觀性。

通過這次智能算法的應用，意識到計算機智能算法在工程實踐領域應用的重要性。在今后的工作中，也會不斷的探索智能算法在工程管理領域的其他應用方式，讓計算機智能算法從教科書中的枯燥的理論知識變為實際的工程管理優化案例。