初元鴿，陳燕芹，張 芳

（青島民航凱亞系統(tǒng)集成有限公司，山東 青島 266108）

0 引 言

隨著信息技術(shù)的飛速發(fā)展，電子信息通信網(wǎng)絡(luò)已成為現(xiàn)代社會的基礎(chǔ)設(shè)施之一[1-2]。網(wǎng)絡(luò)的性能和可靠性對于各種業(yè)務(wù)與服務(wù)的發(fā)展至關(guān)重要。然而，隨著用戶數(shù)量的增加和數(shù)據(jù)流量的爆發(fā)式增長，網(wǎng)絡(luò)面臨的壓力越來越大，如何優(yōu)化網(wǎng)絡(luò)性能和提升用戶體驗(yàn)成為急待解決的問題。傳統(tǒng)的網(wǎng)絡(luò)優(yōu)化方法主要依賴于經(jīng)驗(yàn)和規(guī)則，在處理復(fù)雜性和動態(tài)性方面存在局限性。因此，文章提出了一種基于人工智能的電子信息通信網(wǎng)絡(luò)優(yōu)化方法。首先，研究數(shù)據(jù)采集與預(yù)處理的方法，通過人工智能技術(shù)對大量網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行高效采集和預(yù)處理，為后續(xù)優(yōu)化提供可靠的數(shù)據(jù)基礎(chǔ)。其次，研究特征工程的方法，通過人工智能算法提取關(guān)鍵特征，以提高優(yōu)化準(zhǔn)確性和效率。最后，重點(diǎn)探討網(wǎng)絡(luò)架構(gòu)優(yōu)化方法，包括網(wǎng)絡(luò)部署功能和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的優(yōu)化。通過應(yīng)用人工智能技術(shù)，能夠?yàn)殡娮有畔⑼ㄐ啪W(wǎng)絡(luò)優(yōu)化提供一種高效、智能以及可持續(xù)的方法，進(jìn)一步推動網(wǎng)絡(luò)技術(shù)的發(fā)展和應(yīng)用。

1 基于人工智能的電子信息通信網(wǎng)絡(luò)優(yōu)化方法

1.1 數(shù)據(jù)采集與預(yù)處理

基于人工智能的電子信息通信網(wǎng)絡(luò)優(yōu)化方法中，數(shù)據(jù)采集與預(yù)處理是一個關(guān)鍵的步驟，為后續(xù)的分析和優(yōu)化提供了可靠的數(shù)據(jù)基礎(chǔ)，具體流程如圖1所示[3]。

圖1 數(shù)據(jù)采集與預(yù)處理流程

由圖1 可知，在進(jìn)行數(shù)據(jù)采集與處理之前，首先需要明確數(shù)據(jù)采集的目標(biāo)和需求，如網(wǎng)絡(luò)設(shè)備日志、用戶行為數(shù)據(jù)及網(wǎng)絡(luò)性能指標(biāo)等，進(jìn)而選擇合適的數(shù)據(jù)源。其次，通過應(yīng)用程序接口（Application Programming Interface，API）將這些數(shù)據(jù)源接入到數(shù)據(jù)采集系統(tǒng)中。但采集到的原始數(shù)據(jù)常包含噪聲、異常值及無關(guān)信息，因此需要進(jìn)行數(shù)據(jù)清洗，去除重復(fù)數(shù)據(jù)、錯誤數(shù)據(jù)及無關(guān)字段，以確保數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。再次，完成數(shù)據(jù)清洗后，則需要檢查所有數(shù)據(jù)是否完全清洗成功，如若存在重復(fù)數(shù)據(jù)，則需重新進(jìn)行數(shù)據(jù)清洗，直至數(shù)據(jù)清洗完全徹底。最后，不同數(shù)據(jù)源的數(shù)據(jù)具有不同的格式和結(jié)構(gòu)，因此需要進(jìn)行數(shù)據(jù)集成，將這些數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的格式和結(jié)構(gòu)，以便于后續(xù)進(jìn)行處理和分析。數(shù)據(jù)集成包括數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)合并以及數(shù)據(jù)整合等操作，為使人工智能算法更好地處理這些數(shù)據(jù)，需要對數(shù)據(jù)進(jìn)行規(guī)范化處理，包括將分類數(shù)據(jù)轉(zhuǎn)換為數(shù)值數(shù)據(jù)、將數(shù)值數(shù)據(jù)歸一化或標(biāo)準(zhǔn)化、將文本數(shù)據(jù)轉(zhuǎn)換為向量等。通過這些步驟，可以得到高質(zhì)量、規(guī)范化、適合機(jī)器學(xué)習(xí)處理的數(shù)據(jù)，為人工智能算法提供良好的輸入。

1.2 提取特征工程

基于預(yù)處理的數(shù)據(jù)，可初步選擇對網(wǎng)絡(luò)優(yōu)化有潛在幫助的特征，并采用相關(guān)性分析法來計算特征之間的相關(guān)系數(shù)[4]。因此，需要找出高度相關(guān)的特征，具體計算公式為

式中：di2為兩個變量的等級差；n為樣本數(shù)量；p為數(shù)據(jù)的特征關(guān)系系數(shù)。篩選出最有價值的特征后，對于初步選擇的特征，進(jìn)一步采用降維技術(shù)主成分分析（Principal Components Analysis，PCA）法進(jìn)行特征提取，以減少特征維度，具體計算為

式中：x為原始特征向量；c為特征值向量；x'為轉(zhuǎn)換后的特征向量。在篩選出最有價值的特征后，繼續(xù)采用PCA 法進(jìn)行特征提取，將原始特征向量轉(zhuǎn)換為特征值向量，再得到轉(zhuǎn)換后的特征向量。在簡化模型的同時，保持?jǐn)?shù)據(jù)的關(guān)鍵信息。通過PCA 技術(shù)，原始的特征向量被轉(zhuǎn)換成新的特征向量。這些新的特征向量是原始特征的線性組合，能夠解釋原始數(shù)據(jù)的方差。

2 電子信息通信網(wǎng)絡(luò)架構(gòu)優(yōu)化

2.1 網(wǎng)絡(luò)部署功能

在網(wǎng)絡(luò)架構(gòu)優(yōu)化中，網(wǎng)絡(luò)部署功能是關(guān)鍵的一環(huán)，決定著網(wǎng)絡(luò)的性能、效率及可靠性[5-6]。

第一步，需求分析與規(guī)劃。評估網(wǎng)絡(luò)所需支持的業(yè)務(wù)類型、數(shù)據(jù)量、用戶密度以及服務(wù)質(zhì)量（Quality of Service，QoS）要求。基于需求分析結(jié)果，規(guī)劃網(wǎng)絡(luò)的覆蓋范圍、容量、設(shè)備類型以及配置。

第二步，站點(diǎn)選址與評估，使用地理信息系統(tǒng)（Geographic Information System，GIS）分析潛在站點(diǎn)的地理位置、環(huán)境因素、交通便利性等，使用自由空間傳播模型預(yù)測不同站點(diǎn)位置的信號覆蓋、干擾情況及網(wǎng)絡(luò)容量。

第三步，網(wǎng)絡(luò)仿真。構(gòu)建網(wǎng)絡(luò)仿真模型，模擬不同站點(diǎn)部署方案下的網(wǎng)絡(luò)性能。仿真過程中，需跟蹤信號強(qiáng)度、數(shù)據(jù)傳輸速率、延遲等關(guān)鍵性能指標(biāo)，使用遺傳算法尋找最優(yōu)的網(wǎng)絡(luò)部署方案[7]。具體遺傳算法為

式中：F(x)為適應(yīng)度函數(shù)；f(x)為個體的適應(yīng)度值；x'為種群中其他個體的基因編碼；x為個體的基因編碼；xmax為權(quán)重系數(shù)，可以根據(jù)網(wǎng)絡(luò)設(shè)計的需求和優(yōu)先級來調(diào)整。在實(shí)際應(yīng)用中，遺傳算法的具體實(shí)現(xiàn)會根據(jù)問題的復(fù)雜性和要求進(jìn)行調(diào)整。種群大小、交叉率、突變率等參數(shù)都需要根據(jù)實(shí)際情況來設(shè)定，以獲得最佳的優(yōu)化效果。

第四步，實(shí)時監(jiān)控網(wǎng)絡(luò)性能。使用簡單網(wǎng)絡(luò)管理協(xié)議（Simple Network Management Protocol，SNMP）來收集網(wǎng)絡(luò)設(shè)備和服務(wù)的性能數(shù)據(jù)，將傳感器部署在網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)上，實(shí)時收集流量、延遲、丟包等信息。具體數(shù)據(jù)包在傳輸過程中丟失的頻率計算為

式中：PLR為丟包率，是丟失數(shù)據(jù)包數(shù)量與總發(fā)送數(shù)據(jù)包數(shù)量的比率；L為在網(wǎng)絡(luò)連接中丟失的數(shù)據(jù)包數(shù)量；N為在網(wǎng)絡(luò)連接中發(fā)送的總數(shù)據(jù)包數(shù)量。同時，數(shù)據(jù)延遲的變化率反映了網(wǎng)絡(luò)的穩(wěn)定性，具體計算為

式中：Yi為每次網(wǎng)絡(luò)傳輸中的延遲時間；Vi為所有測量延遲的平均值；N為進(jìn)行延遲測量的次數(shù)。

通過收集網(wǎng)絡(luò)的實(shí)時數(shù)據(jù)，可定義目標(biāo)函數(shù)和約束條件，并應(yīng)用線性規(guī)劃算法來找到最優(yōu)的網(wǎng)絡(luò)資源分配方案。

2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是指網(wǎng)絡(luò)中節(jié)點(diǎn)（如服務(wù)器、路由器、交換機(jī)等）和連接這些節(jié)點(diǎn)的鏈路之間的排列方式。優(yōu)化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可以提高網(wǎng)絡(luò)的性能、可靠性以及可擴(kuò)展性。具體流程如圖2 所示。

圖2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)流程

如圖2 可知，在優(yōu)化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)時，可通過SNMP 從網(wǎng)絡(luò)設(shè)備中提取重要的性能指標(biāo)，為網(wǎng)絡(luò)的運(yùn)行狀況提供量化數(shù)據(jù)。此外，收集網(wǎng)絡(luò)流量數(shù)據(jù)有助于分析流量模式和趨勢，這對于預(yù)測網(wǎng)絡(luò)需求和優(yōu)化網(wǎng)絡(luò)性能至關(guān)重要。在構(gòu)建網(wǎng)絡(luò)的數(shù)學(xué)模型時，使用圖形表示法描述網(wǎng)絡(luò)節(jié)點(diǎn)與鏈路之間的連接關(guān)系，為網(wǎng)絡(luò)的深入分析提供了基礎(chǔ)。通過這些模型，網(wǎng)絡(luò)管理員可以對現(xiàn)有的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行分析，識別出可能的性能瓶頸和故障點(diǎn)，進(jìn)一步提升網(wǎng)絡(luò)性能，最小化網(wǎng)絡(luò)性能指標(biāo)。同時，可以在給定的網(wǎng)絡(luò)拓?fù)渲姓业阶顑?yōu)配置，以實(shí)現(xiàn)網(wǎng)絡(luò)性能的最大化。

拓?fù)浣Y(jié)構(gòu)的調(diào)整是基于機(jī)器學(xué)習(xí)算法和優(yōu)化算法的輸出進(jìn)行的，通過添加或移除節(jié)點(diǎn)、調(diào)整鏈路容量、改變節(jié)點(diǎn)之間的連接方式等操作，動態(tài)地適應(yīng)網(wǎng)絡(luò)變化，確保網(wǎng)絡(luò)始終保持高性能和穩(wěn)定性。由于網(wǎng)絡(luò)環(huán)境是動態(tài)變化的，因此需要不斷收集新的數(shù)據(jù)，重新訓(xùn)練模型，并調(diào)整優(yōu)化策略，使得網(wǎng)絡(luò)架構(gòu)優(yōu)化成為一個持續(xù)的過程。在這個過程中，網(wǎng)絡(luò)管理員可以不斷地學(xué)習(xí)和調(diào)整，以適應(yīng)網(wǎng)絡(luò)環(huán)境的變化，確保網(wǎng)絡(luò)的長期發(fā)展和優(yōu)化。

3 結(jié) 論

通過人工智能技術(shù)，實(shí)現(xiàn)了電子信息通信網(wǎng)絡(luò)的全面優(yōu)化。數(shù)據(jù)采集與預(yù)處理確保了高質(zhì)量數(shù)據(jù)輸入，特征工程提取了關(guān)鍵信息，提升了模型效率。網(wǎng)絡(luò)架構(gòu)得到顯著改善，包括部署功能和拓?fù)浣Y(jié)構(gòu)，增強(qiáng)了網(wǎng)絡(luò)的性能和適應(yīng)性。這些進(jìn)展標(biāo)志著電子信息通信網(wǎng)絡(luò)向智能化方向的邁進(jìn)，為未來技術(shù)發(fā)展奠定了堅實(shí)基礎(chǔ)。