計算機網絡連接增強優化中的均場神經網絡算法

謝清秀

四川省委黨校（四川行政學院）

計算機網絡連接增強優化中的均場神經網絡算法

謝清秀

四川省委黨校（四川行政學院）

隨著互聯網技術地飛速發展和計算機信息技術不斷革新，計算機網絡技術也得到了迅猛地發展。并且現在已經逐漸的伸入到了大家的日常生活中來，尤其是在人們日常生活和工作中，方方面面都與計算機網絡緊密聯系，不可分割。本文針對計算機網絡連接優化方面的增強措施，研究出了一種比較有效、科學地方法均場神經網絡算法，并充分結合計算機網絡拓撲結構和均場神經網絡算法來展開討論和深入地分析。

神經網絡算法 網絡連接 均場 優化增強

隨著計算機網絡發展的日新月異，人們都享受到了網絡所帶來的方便與快捷。計算機網絡技術是一門發展迅速且科技含量高的注重實際應用的技術，其本身就是結合計算機來為人們提供服務，且要能夠滿足廣大群眾要求的。因此為了解決網絡連接在用戶呈直線增長的情況下，滿足用戶的要求，就需要網絡技術及通信技術上不斷地優化和創新發展。目前，國內計算機網絡連接問題頻繁發生，計算機網絡連接環節相對薄弱，在某種程度上來說無法提供給用戶一個比較可靠地網絡環境。因此，要徹底改變現狀或者避免此種情況的發展，就需要對計算機網絡的連接和通信進一步增強和優化處理。必要時還需研制出合適的方法來擴展網絡的拓撲結構和優化計算機網絡的通信效率，從而使計算機網絡的容量得到增加。但是在網絡提供給大家眾多好處與生活便利的同時，仍然會存在許多安全因素會影響到群眾，比如在經濟狀況方面，目前無法排除網絡一旦出現問題可能會使經濟受到損失等情況。因此提前做好預防計算機網絡出現問題是至關重要的，當網絡運行時，必須要有提前預防的意識和措施，才能確保萬無一失。

1 計算機網絡連接的增強優化

1.1 增強優化的計算機網絡連接

計算機網絡是我們信息交流互動的基礎和根本，對于人們的生活和工作越來越重要，如果計算機網絡出現了問題，或者網絡連接不暢或者出現網絡堵塞等情況，都將會嚴重影響到廣大群眾的信息傳遞和企事業單位的正常工作。再者如果出現網絡設備在通信過程中出現無法通信的時候，此時信息在計算機網絡中也是無法傳遞的。為了解決這種情況就需要對計算機網絡的連接進行優化增強處理，這種方法通常叫做計算機網絡拓撲的擴展。而怎樣來對計算機網絡進行擴展，以達到優化和增強網絡連接的目的，就需從網絡的結構和網絡的拓撲入手，比如在網絡節點的選擇上，選取適當合理地節點，然后將這些節點加入到正在運行的計算機網絡上來，同時需要確保不影響其他節點的工作，這樣就可以達到提高網絡的連接效率和網絡帶寬容量的目的，而且還加強了信息的交互性，從而擴展了計算機網絡的拓撲結構。

1.2 計算機網絡拓撲結構

隨著通信網絡設備和網絡技術地進步，計算機的網絡拓撲結構也變得異常地復雜。在計算機網絡中，將計算機和通信設備等抽象為節點，而將網絡中傳輸的介質稱為線，這就是拓撲學的觀點和定義。網絡拓撲就是通過將通信線路和網絡中的節點之間地幾何關系表示成網絡結構，反映網絡產品實體的結構關系。通過對節點與通信鏈路的聯系建立模型，再用這個模型來體現出網絡中實體間的關聯關系。當前對網絡拓撲結構地研究來看，在所有網絡中，計算機網絡是最復雜的一個。如果以通信網絡地增強優化來考慮，網絡優化的主要點就是使節點間的平均距離達到最小，且網絡邊數也要盡可能地少。但隨著計算機地發展，盡管不能使計算機網絡的拓撲設計實現整體性的增強優化，但是其仍然體現出了某些可見的規律，那就是網絡的發展具有優先連接以及優先生長地特征。生長是指計算機網絡能實現動態性的增長，因此網絡地拓撲結構就是能夠實現動態地改變；優先連接是指新的網絡節點加入到整個網絡中時，根據節點所連接數的大小來選擇從哪接入，一般情況下是選擇連接數最大的節點出處接入到網絡中。

2 基于計算機網絡連接優化下地均場神經網絡算法

本文中對計算機網絡連接進行優化增強的均場神經網絡算法，其根本就是利用模擬退火算法，在此基礎上再結合神經網絡算法來增強優化網絡的連接，這樣便能夠使計算機網絡的連接達到穩定、可靠、快捷地目的。

2.1 神經網絡算法

思維學中通常認為人類的大腦思維是由邏輯思維、直觀思維以及頓悟思維這三種構成地。其中靈感屬創造性，直觀思維則是形象化主觀的思想，最后邏輯思維是指抽象化思想。依據上述原則，神經網絡就是對大腦思維的一種虛擬化模型。人工神經網絡可以對信息開展分布式處理和存儲，而基于神經網絡而建立的模型，即人工神經網絡應用系統就是根據神經網絡的規則額原理，來對計算機網絡中的信號或者說信息流進行運算和處理的，這樣就建立成了現在有的人工神經網絡系統。

現今，人工神經網絡在各個行業受到了大量地關注和研發，隨之而建立起來了一門新鮮的研究領域，即人工神經網絡算法。人們寄希望在這個領域能有重大的發現和研究成果，以此來改進和提高生產效率和經濟收益。

2.2 均場神經網絡算法模型地構建

通過建立科學合理地場均神經網絡模型，有利于進行計算機網絡連接增強優化中地均場神經網絡算法研究工作，進而評判網絡效果。需要注意地是，利用函數法構建模型時,應當加強目標函數地構建問題工作。

基于增強優化網絡連接地均場神經網絡算法，要想對此神經網絡算法深入分析，且能達到所期望的那種結果，第一步就需構造出一個優良的均場神經網絡模型出來。網絡算法模型的構造需要注意多方面的因素，尤其是在目標函數的構造和選取過程中要選取恰當、科學、有效。

具體構建方式為：可以用Fi進行表示，Hopfield計算網絡中地神經元狀態，如果Fi=1，那么表示網絡選中了連接i，能夠正常連接；反之，如果Fi=0，那么表示網絡沒有選中連接i，不能正常連接。那么就應選取罰函數法的結構來構造網絡模型，來確使Z=max(ΣPi*Xi)和ΣMi*Xi≤A表達式成立。然后選擇合適條件來約束目標函數，主要有I=-γ/2*[∑ρiFi]2+ψ/2*[a-∑mifi]2，其中a=(γripi-ψmimi)d，Ii=βami，γ和ψ表示Lagrange參數，構造Lyapunov能量函數為：E=-1/2*∑∑AiFiFi-∑IiFi，Hopfield神經網絡結構為：Fi=1/2*[1+tanh(Bi/T)]，Bi=∑AiFi+I。

采取均場退火技術，然后由隨機變量均值地函數來替代隨機變量函數地均值，可以得出：〈Fi〉=1/2*[1+tanh{}]，〈Bi〉=〈∑AiFi+Ii〉=∑AiFi+Ii。如果隨機變量均值〈Fi〉由均場變量Ri替換，可以得出均場網絡結構：Ri=1/2[1+tanh(∑AiRi+Ii/T)]，均場網絡地能量函數為：E(v)=-1/2∑∑AiRiRi-∑IiRi。

具體算法分析：

首先根據問題設定參數。比如：熱平衡準則，起始溫度T，Lagrange參數β，α以及停止準則等參數的設置問題。其次是初始化問題，如i(δδ)……=-=NirandV.4,3,2,1,1,，而rand(1,δδ-)由隨機生成。最后，循環操作達到停止條件時為止。

2.3 均場神經網絡算法分析

在上述算法構建和運算實驗中可以看出，不管采取哪種算法來模擬網絡連接，最后都需要再來評價其性能的優劣。本文就選取了模擬退火算法、均場神經網絡算法以及遺傳算法，最后根據運算結果的進行分析，得出在這三種算法中，能使網絡連接取得比較良好效果的算法就是均場神經網絡算法，因為不僅運算速度快而且結果更加接近真實情況，因此對增強優化計算機網絡連接以及擴展網絡結構地拓撲情況來看，應該優先選擇均場神經網絡算法。

3 結束語

總之，根據目前的研究情況來看，在增強優化的計算機網絡連接效率和提高網絡通信容量的方法還是比較多的，可是這些方法措施或多或少都有這樣那樣的問題，在不就是不具有實用性和經濟性，而本文所提出來的增強優化計算機網路連接下地均場神經網絡算法就能很好地滿足上述要求且經濟性較好。

[1]韓嘯,韓昊.計算機網絡拓撲結構模式[J].商,2014(32):200-201

[2]韓征.神經網絡級連識別手寫體數字的研究與實現[D].北京郵電大學,2010

[3]陳竺.計算機網絡連接增強優化中的神經網絡算法[J].電子技術與軟件工程,2015(19):16-19

謝清秀，女，1979-，工程師，主要從事圖書館數字信息相關工作。