阿不都艾尼·阿不都肉素力
摘要:網(wǎng)絡(luò)技術(shù)不斷發(fā)展,網(wǎng)絡(luò)給人們提供更多的信息服務(wù),信息傳輸讓人們實(shí)現(xiàn)了遠(yuǎn)程辦公。但是隨著網(wǎng)路功能增加、網(wǎng)絡(luò)結(jié)構(gòu)也越來(lái)越復(fù)雜。一旦網(wǎng)絡(luò)發(fā)生故障就會(huì)給人們生活、工作、學(xué)習(xí)帶來(lái)各種各樣的麻煩,人們對(duì)于網(wǎng)絡(luò)的依賴性越高,對(duì)于網(wǎng)絡(luò)故障診斷的需求也就越高,對(duì)于診斷效率和診斷技術(shù)的要求也越來(lái)越高。該文重點(diǎn)講述了人工智能在網(wǎng)絡(luò)故障診斷中的應(yīng)用和存在的問(wèn)題,并提出了幾點(diǎn)建議,供業(yè)內(nèi)人士參考。
關(guān)鍵詞:人工智能;網(wǎng)絡(luò)故障;診斷;相關(guān)問(wèn)題
中圖分類號(hào):TP18 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2016)13-0169-02
本文根據(jù)網(wǎng)絡(luò)系統(tǒng)出現(xiàn)故障的各種特點(diǎn)來(lái)分析了模糊邏輯、專家診斷系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和各種智能體系統(tǒng)的常用網(wǎng)絡(luò)故障診斷方法,并闡述了其特點(diǎn)、原理已經(jīng)應(yīng)用等方面的現(xiàn)狀和問(wèn)題。
1 人工智能在網(wǎng)絡(luò)故障診斷應(yīng)用中的現(xiàn)狀
人們與網(wǎng)絡(luò)的聯(lián)系日漸緊密,一旦網(wǎng)絡(luò)出現(xiàn)故障就會(huì)嚴(yán)重的影響人們工作、生活和學(xué)習(xí),這就對(duì)我們網(wǎng)絡(luò)故障檢修工作提出了高要求,力求花最短的時(shí)間,精準(zhǔn)的判斷故障發(fā)生原因、位置和類型,及時(shí)對(duì)故障進(jìn)行搶修。這種要求對(duì)于我們工作人員來(lái)說(shuō)是人力難以完成的,那么我們就需要引進(jìn)一個(gè)套能高效、高速、精準(zhǔn)定位故障的檢修判斷系統(tǒng)。如何對(duì)網(wǎng)站故障進(jìn)行排除、定位和修復(fù)使我們網(wǎng)絡(luò)管理行業(yè)的最艱巨也是最迫切需要解決的問(wèn)題,但是目前因?yàn)闆](méi)有一個(gè)準(zhǔn)確的數(shù)學(xué)模型和相應(yīng)的算法,造成傳統(tǒng)故障沒(méi)辦法進(jìn)行有效的診斷和處理。人工智能技術(shù)是我們解決當(dāng)前問(wèn)題的一個(gè)重要解決方法,雖然目前國(guó)內(nèi)還沒(méi)有得到廣泛的使用,但是蘋(píng)果、微軟等計(jì)算機(jī)軟件公司都已經(jīng)在重點(diǎn)研究此技術(shù),技術(shù)也在逐漸成熟中。本人參閱國(guó)內(nèi)外的相關(guān)文獻(xiàn),在分析故障特點(diǎn)的基礎(chǔ)上,對(duì)于模糊邏輯、專家系統(tǒng)、智能系統(tǒng)、專家系統(tǒng)等各類計(jì)算及系統(tǒng)進(jìn)行研究,深入了解其特點(diǎn)和缺陷,并研究其診斷方法原理,希望能出盡我國(guó)的網(wǎng)絡(luò)故障診斷技術(shù)的發(fā)展。
2 網(wǎng)絡(luò)故障基本特征分析
經(jīng)過(guò)本人多年對(duì)于大型網(wǎng)絡(luò)系統(tǒng)的研究,發(fā)現(xiàn)其故障的特點(diǎn)如下:
2.1 層次性
網(wǎng)絡(luò)系統(tǒng)是有結(jié)構(gòu)分層的,包括數(shù)據(jù)鏈路層、物理硬件層、應(yīng)用層,這些不同分層會(huì)出現(xiàn)層次性的故障,其故障征兆是有層次性的。
2.2 傳播性
故障傳播包括橫向傳播和縱向傳播兩種。橫向傳播是在同一層次里,因?yàn)槟骋粋€(gè)元素發(fā)生故障導(dǎo)致同層次的其他元素發(fā)生故障??v向傳播是因?yàn)椴煌謱拥哪骋粚映霈F(xiàn)故障導(dǎo)致其他層次也出現(xiàn)問(wèn)題,比如硬件損壞可能導(dǎo)致軟件數(shù)據(jù)丟失,數(shù)據(jù)鏈路層里的數(shù)據(jù)鏈被打斷,造成系統(tǒng)被破壞,應(yīng)用層的應(yīng)用自然無(wú)法使用。
2.3 相關(guān)性
網(wǎng)絡(luò)故障的表現(xiàn)征兆和原因很多且非常復(fù)雜,一種故障可能會(huì)出現(xiàn)不同的表現(xiàn)征兆,一種表現(xiàn)征兆也可能是因?yàn)椴煌脑蛟斐傻摹?/p>
2.4 隨機(jī)性
故障原因可能是隨機(jī)出現(xiàn)的,沒(méi)有固定的套路,其具有模糊性和隨機(jī)性。這也造成網(wǎng)絡(luò)系統(tǒng)故障診斷的難度大需要檢測(cè)的對(duì)象非常復(fù)雜且數(shù)量龐大。所以以人工檢測(cè)來(lái)看,這是一個(gè)浩大的工程,所以人力檢測(cè)也難以滿足高效檢修的需求。
人工智能系統(tǒng)對(duì)網(wǎng)絡(luò)故障進(jìn)行診斷的方法是目前最有希望解決此問(wèn)題的方法,下文對(duì)人工智能故障診斷方法及其在網(wǎng)絡(luò)故障診斷當(dāng)中的應(yīng)用進(jìn)行闡述。
3 人工智能技術(shù)在網(wǎng)絡(luò)故障診斷中的應(yīng)用
障診斷主要方法包括模糊邏輯、專家系統(tǒng)、多智能體系統(tǒng) (Multi-agent system, MAS)和神經(jīng)網(wǎng)絡(luò)等方法。
3.1 基于模糊邏輯的網(wǎng)絡(luò)故障診斷法
網(wǎng)絡(luò)故障與征兆表現(xiàn)都有隨機(jī)性,這就造成兩者之間的關(guān)系是模糊的,很難將征兆表現(xiàn)與故障原因通過(guò)準(zhǔn)確的數(shù)學(xué)模型來(lái)確定其關(guān)系,這也就是我們常說(shuō)的不確定性故障。模糊邏輯的診斷方法是處理這種不確定卻模糊狀態(tài)故障用的一種機(jī)制,其能夠?qū)⑦@些不確定性模糊故障信息進(jìn)行搜集,集中整合,并通過(guò)函數(shù)等數(shù)學(xué)邏輯將其整合成一個(gè)模糊關(guān)系矩形陣,這個(gè)數(shù)學(xué)模型能將不確定性故障與征兆表現(xiàn)限制在一定范圍內(nèi),能夠?yàn)樵\斷提供一定的參考。此診斷原理主要先收集故障與征兆表現(xiàn)的數(shù)據(jù),建立一個(gè)隸屬度函數(shù),隨后將故障原因和征兆表現(xiàn)集合成一個(gè)模糊關(guān)系矩陣,使用模糊關(guān)系方程來(lái)縮小故障原因范圍。這種診斷方法無(wú)法做到精準(zhǔn)的診斷出故障原因,但是能縮小范圍給檢修人員一定的參考和啟發(fā),這就類似人類的思維方法,所以這個(gè)方法需要建立一個(gè)龐大的模糊關(guān)系數(shù)據(jù)庫(kù),智能升級(jí)學(xué)習(xí)能力比較差。
3.2 專家系統(tǒng)在網(wǎng)絡(luò)故障診斷
這個(gè)診斷系統(tǒng)是模仿人類專家解決問(wèn)題的方法過(guò)程的一種程序系統(tǒng),此系統(tǒng)運(yùn)用已有的相關(guān)理論和解決方法對(duì)故障原因進(jìn)行分析和決策,這個(gè)系統(tǒng)的模擬功能非常的強(qiáng)大,是針對(duì)有規(guī)律規(guī)則但是牽扯原因多涉及范圍廣的復(fù)雜問(wèn)題而設(shè)計(jì)出來(lái)的,將已有的人類知識(shí)、概念、模式、方案綜合歸納出規(guī)律規(guī)則,給人力檢測(cè)提供經(jīng)驗(yàn)啟發(fā)參考。這種強(qiáng)調(diào)規(guī)則性的專家系統(tǒng)對(duì)于知識(shí)選取,知識(shí)呈現(xiàn)的功能很強(qiáng)大,且結(jié)果顯示非常直觀,因?yàn)橐?guī)則型強(qiáng)所以形式高度統(tǒng)一,對(duì)于檢修人員來(lái)說(shuō)比較容易理解。
但是鑒于我們網(wǎng)絡(luò)系統(tǒng)故障的原因和征兆之間的關(guān)系非常復(fù)雜卻隨機(jī)性強(qiáng),僅僅通過(guò)專家系統(tǒng)很難完成故障定位、原因分析的目標(biāo)。專家系統(tǒng)強(qiáng)調(diào)歸納出規(guī)則,也導(dǎo)致知識(shí)只能是建立在數(shù)據(jù)庫(kù)基礎(chǔ)上,其靈活性很弱,因?yàn)橄到y(tǒng)故障隨意性強(qiáng),就會(huì)導(dǎo)致歸納出的規(guī)則之間發(fā)生沖突,造成規(guī)則組合爆炸,無(wú)法得出準(zhǔn)確的結(jié)果。目前有一種設(shè)置了自然語(yǔ)言接口的網(wǎng)絡(luò)故障診斷系統(tǒng),主要采用了專家系統(tǒng)的設(shè)計(jì)原理和模型,將專家系統(tǒng)歸納出的規(guī)則與概念圖進(jìn)行組合,延伸出了生產(chǎn)型的規(guī)則知識(shí)表(即EPR技術(shù)),將網(wǎng)絡(luò)上有關(guān)故障表述的語(yǔ)言轉(zhuǎn)成了一幅幅概念圖,利用專家系統(tǒng)的推理分析制定出一些規(guī)則,并將這些推理結(jié)果和推理規(guī)則轉(zhuǎn)換成自然語(yǔ)言輸出,直觀的讓檢修人員看到分析報(bào)告和結(jié)果。此種方法一定程度上能幫助檢修人員對(duì)故障進(jìn)行預(yù)判。
3.3 基于神經(jīng)網(wǎng)絡(luò)故障診斷法
故障診斷模式識(shí)別是神經(jīng)網(wǎng)絡(luò)故障診斷的核心診斷方法,人工神經(jīng)網(wǎng)絡(luò)能夠模擬出人類大腦組織結(jié)構(gòu),并建立一個(gè)類似人類大腦認(rèn)知的過(guò)程,對(duì)故障進(jìn)行分類處理。運(yùn)行原理是將故障征兆通過(guò)神經(jīng)網(wǎng)絡(luò)輸入到系統(tǒng)中,使用識(shí)別模式來(lái)將故障進(jìn)行分類最終出具診斷結(jié)果。這種診斷系統(tǒng)可以通過(guò)對(duì)故障診斷實(shí)例數(shù)據(jù)收集,并對(duì)其進(jìn)行一定的學(xué)習(xí)和訓(xùn)練,將分布于神經(jīng)網(wǎng)絡(luò)當(dāng)中的那些表示連接權(quán)值數(shù)據(jù)經(jīng)過(guò)計(jì)算翻譯后表達(dá)故障診斷,最后將故障診斷的結(jié)果輸出。
這種診斷方法適應(yīng)性強(qiáng),且能自動(dòng)進(jìn)行記憶聯(lián)想,能將故障數(shù)據(jù)分類處理。這與以上2種診斷系統(tǒng)相比,其學(xué)習(xí)能力強(qiáng),能自主收集資料,能很好地對(duì)知識(shí)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行更新維護(hù)。但是其不足之處也很明顯,那就是有學(xué)習(xí)能力但是學(xué)習(xí)速度還是較慢,需要長(zhǎng)時(shí)間訓(xùn)練,且解釋能力不如專家診斷系統(tǒng)。這些技術(shù)水平的原因也導(dǎo)致神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)目前沒(méi)有推廣使用。
3.4 多智能體技術(shù)在網(wǎng)絡(luò)系統(tǒng)故障診斷中的應(yīng)用
經(jīng)過(guò)國(guó)外的廣泛實(shí)踐應(yīng)用結(jié)果發(fā)現(xiàn),僅僅依靠模糊邏輯、專家系統(tǒng)或神經(jīng)網(wǎng)絡(luò)等單一方法只能對(duì)一些簡(jiǎn)單的網(wǎng)絡(luò)故障進(jìn)行診斷,無(wú)法滿足大型網(wǎng)絡(luò)系統(tǒng)的故障診斷要求,所以單一的方法是滿足不了人們對(duì)于解決復(fù)雜故障的需求。那么就出現(xiàn)了采用多種診斷系統(tǒng)共同合作的新診斷技術(shù)——多智能體技術(shù)。多智能體技術(shù)是人工智能領(lǐng)域內(nèi)的新寵,站在了技術(shù)的最前端,且備受關(guān)注。由多種診斷方法的系統(tǒng)組合而成,利用不同的系統(tǒng)的特性將復(fù)雜的網(wǎng)絡(luò)故障因素分解成單一、獨(dú)立的小因素。各個(gè)子系統(tǒng)共同運(yùn)作。目前多智能體系統(tǒng)的研究不斷深入,對(duì)于如何協(xié)調(diào)各子系統(tǒng)有了一點(diǎn)的研究成果,其特性是自主性強(qiáng),協(xié)調(diào)性強(qiáng),組成形式為分布式,有一定的組織能力和學(xué)習(xí)能力,能將復(fù)雜的問(wèn)題自主的分解成小問(wèn)題,分發(fā)到子系統(tǒng)進(jìn)行分析。
4 結(jié)束語(yǔ)
對(duì)于如何對(duì)網(wǎng)絡(luò)系統(tǒng)進(jìn)行精準(zhǔn)定位找出故障原因,出具診斷結(jié)果,提出修護(hù)方案,仍然是我們業(yè)內(nèi)人士要重點(diǎn)研究的,我們要因地制宜,針對(duì)不對(duì)的實(shí)際情況來(lái)進(jìn)行研究,需要滿足我們的用戶需求,制定合適的診斷的方案,引進(jìn)先進(jìn)的診斷技術(shù),力求能夠快速、精準(zhǔn)的判定故障原因,人工智能在網(wǎng)絡(luò)故障診斷中已經(jīng)大放光彩,我們要抓住技術(shù)的潮流走向,融合多種智能診斷方法,對(duì)各種智能診斷系統(tǒng)進(jìn)行深入的分析和了解。通過(guò)引進(jìn)并其學(xué)習(xí)現(xiàn)代數(shù)據(jù)挖掘技術(shù),從而改進(jìn)目前我國(guó)的智能診斷系統(tǒng)的推理能力和知識(shí)獲取。讓網(wǎng)絡(luò)故障診斷能更快速、更精準(zhǔn)。將網(wǎng)絡(luò)故障導(dǎo)致人們生活、學(xué)習(xí)、工作的損失降到最低。
參考文獻(xiàn):
[1] 雷亞國(guó). 混合智能技術(shù)及其在故障診斷中的應(yīng)用研究[D]. 西安: 西安交通大學(xué), 2007.
[2] 劉觀良, 趙萬(wàn)能, 仝麥智. 基于人工智能的網(wǎng)絡(luò)故障診斷研究綜述[J]. 電腦編程技巧與維護(hù), 2013(10).
[3] 邊莉, 邊晨源. 電網(wǎng)故障診斷的智能方法綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2014(3).
[4] 馬驊, 張洪星, 宋海軍. 人工智能在計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)故障診斷中的應(yīng)用[J]. 邢臺(tái)職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2004(1).
[3] Francisco Javier Cantu-Ortiz.Advancing artificial intelligence research and dissemination through conference series: Benchmark, scientific impact and the MICAI experience[J]. Expert Systems with Application, 2014, 41(3).
[4] Kunwar P Singh,Shikha Gupta,Premanjali Rai, et al. Predicting acute aquatic toxicity of structurally diverse chemicals in fish using artificial intelligence approaches[J]. Ecotoxicology and Environmental Safety, 2013, 95(1).