芻議基于蟻群算法的有線接入網的拓撲設計

梁杰平

摘 要 蟻群算法是根據自然界螞蟻尋路的方式模擬出的一種仿生算法，但是實際進行大規模求解的過程中往往會需要應用較長的時間，文章從這一點出發分析了領域分區法劃分大規模網絡的方法。

關鍵詞 蟻群算法;有線接入網;拓撲設計

前言

應用蟻群算法進行大規模計算的過程中，可以先用領域分區法將較大的系統劃分為較小的一些子系統，隨后對每個子系統應用蟻群算法中的蟻周系統進行分別求解，獲取子系統到中間節點的最佳路徑，隨后獲取整體系統路由。

1拓撲設計

接入平臺網絡拓撲中要解決的問題之一是如何集中超集中通信的終端設備并將它們連接到更高級別的通信網絡VLAN。接入網拓撲的詳細設計非常復雜和多樣。以有線電視（銅纜或銅纜）直接訪問為例，它可以在校園中實現計算機技術訪問系統的互聯網網絡。必須在校園內設計多棟科技大樓、辦公樓、專業教學樓、閱覽室、學生宿舍等場所。通過集中器，然后將現有的用戶計算機與110命令中心進行比較，然后將集中器連接到園區網絡中心。現有用戶的條件概率分布包括計算機位置一，如何建立一個過集中器，如何將計算機與智能電能表連接，是接入平臺網絡設計中最困難的問題。在總成本最低的基本原則下，如何設置比較集中器，如何將電子計算機連接到采集終端，是一個難以理解的組合問題。即使解決了問題，所得到的解也可能是實用的。傳統上，啟發式方法被用來徹底解決實際操作。近年來，一些人文學者嘗試用遺傳算法等常用方法來解決當前的問題。雖然沒有贏得問題最佳解決方案的基本保證，但當核心問題較大時，可以在可行的時間內找到滿意的解決方案。在遺傳機器學習算法中，很難正確地選擇交叉矩陣向量。特別是當管束處理復雜時，在水平方向上的各種操作將非常復雜。此外，遺傳優化算法也存在著家族基因漂移的現象，這使得該算法很容易實現。深部局部最優組合。蟻群人工智能算法是近年來不斷發展起來的一種仿生原理算法實現。它完全吸收了各個昆蟲王國中小昆蟲的行為特征。通過內部可搜索的關聯機制，它游走于問題之中，喜歡最佳的組合，在良好的環境下不斷優化難度等級的性能。蟻群人工智能算法解決了充分空間的所有參數化可能性。主要分布建模生成候選演講，使用不久前生成的解決方案更新了模型的參數，以便可以將新模型方法的可搜索性相對集中在足夠的空間中，以找到高質量的解決方案。與家族遺傳機器學習算法和進化計算相比，畜群機器學習算法具有一個獨特的缺點，即易于直接處理，并且易于使用其自身的核心問題來指導各種類型的信息，有著良好應用的未來前景[1-3]。

2蟻群算法

蟻群優化算法的靈感來自對實際蟻群行為的實現的深入研究。他們可以找到從巢到食物來源的最短主要路徑，而無須任何形式的明顯提醒，并且可以搜索新的路徑選擇，并在環境發生重大變化時自適應地生成新的非選擇路徑。當一群螞蟻尋找肉的來源時，它們會在途中釋放一種獨特的腺體分泌激素，螞蟻可以感覺到這種物質，運動過程中強度很高。并且為了科學地指導它們的運動方向，使螞蟻f向所有具有高強度比的物質的方向運動。但是，由更多螞蟻成員組成的士兵螞蟻的整體行為實施通常顯示出相關信息反饋的積極結果。這種現象：在特定的基本路徑上行走的小錯誤越多，選擇特定路徑的時間就越晚，可能性更大。它是通過一群螞蟻個體之間交換所有物質信息內容而超出尋找食物的目的。

3基于蟻群算法的網絡拓撲結構

根據CATV接入系統網絡的最大特點，可以根據計算機技術終端設備接入網絡的總數來設置集線器的數量。在對實際數據進行獨特的設計經驗過程中，也可以將網絡管理中心I（光纖傳輸或鋁線連接）作為基本出發點，并根據自然地理位置I和集線器位置的實際情況，選擇可以進一步制定長期計劃的特定方案（即生成過程樹）。從起點開始計算第一模式鼠標組機器學習算法，并且僅一次計算所有m個集線器一次最小成本。經過時間記錄后，再次調整中長期規劃的最佳方案，并執行蟻群算法一次計算一次所有m個樞紐的最小成本。然后利用士兵螞蟻算法進行調整和再驗證。反復反復，很多方式也是成本最低的，可以得到成本較低，更全面的樞紐不設新的解決方案。使用soldier-ant算法找出如何將電子計算機分配到不同的集線器，可以將成本降到最低。根據上述計算機技術所連接的集線器的顯著特點，對鼠標群的優化算法進行了改進：將解集分解為與集線器個數相等的真子集;將選擇規則的實現路徑從計算機劃分到網絡行標題的主路徑可以選擇特定的規則，而計算機到計算機的實現路徑將選擇規則。例如，從計算機到集線器的基本路徑選擇不僅與關鍵節點之間的距離密切相關，而且與連接到集線器的計算機數量密切相關。包括從計算機到電子計算機的特定路徑來選擇要實施的隨機策略，您可以選擇特定策略。信息的內容內容基于傳統的情況，大多數功率因數更新和局部區域更新內容的更新內容的基本規則。小錯誤人工智能算法人工智能算法是一種齊頭并進的人工智能算法。尋找小螞蟻的時間過程是相互獨立的。螞蟻只與簡單的內容元素通信。并行計算方法也可以大大縮短計算時間。而且，小缺陷機器學習算法也是一種正反饋算法。所以搜查很快就放松了。它的許多最大特點使得其螞蟻算法的實現在無線網絡拓撲設計和新興領域具有廣闊的商業前景[4-6]。

4結束語

螞蟻算法本質上來說屬于并行算法，螞蟻搜索過程彼此獨立，之間的交流通信僅僅通過信息素進行，對其進行并行計算可以顯著縮短計算的時間，搜索可以快速收斂，這也是其在有線網絡拓撲設計領域中的應用所在。

參考文獻

[1] 徐俊逸.移動充電設備能量受限的無線傳感器網絡充電策略[D].合肥：合肥工業大學，2016.

[2] 李國賓.架空高壓輸電線路狀態監測研究[D].長春：長春工業大學，2016.

[3] 李棟.軟件定義的工業控制網架構與高實時調度方法[D].沈陽：中國科學院沈陽自動化研究所，2016.

[4] 樊麗娟.引進“蟻王”概念的人工蟻群算法及其應用[D].曲阜：曲阜師范大學，2017.

[5] 余修武，張楓，范飛生，等.基于鈾尾礦庫核素污染監測WSN分簇路由協議[J].中國安全生產科學技術，2016，12（10）：154-159.

[6] 陳智輝.基于效益的配用電通信網組網規劃模型的設計[D].北京：北京郵電大學，2018.