基于粗糙集和克隆選擇算法的網(wǎng)絡(luò)故障診斷應(yīng)用研究.pdf

1、計算機網(wǎng)絡(luò)現(xiàn)已滲透到人們生活和工作的各個角落，它是信息化社會的基礎(chǔ)。然而現(xiàn)存的網(wǎng)絡(luò)故障診斷系統(tǒng)仍存在實時診斷能力較弱、動態(tài)適應(yīng)能力不強、自學(xué)習(xí)能力欠缺等問題，因此開發(fā)更為智能的故障診斷系統(tǒng)迫在眉睫。本文正是針對上述問題，提出了用粗糙集和克隆選擇算法相結(jié)合的思想。一方面，利用粗糙集的約簡功能，去掉網(wǎng)絡(luò)故障的冗余屬性，以減少克隆選擇算法的訓(xùn)練及診斷時間;另一方面，由于采用了屬性重要度，因而在故障診斷時可使診斷的精度更高。在此，本文主要涉及故

2、障檢測器的訓(xùn)練階段及故障的診斷階段，其研究內(nèi)容主要有:
　　 (1)提出了加快故障診斷速率、提高診斷精度的方法。首先利用粗糙集對網(wǎng)絡(luò)故障樣本進行屬性約簡，提取出故障診斷的決策規(guī)則，避免了大量的、不相關(guān)的屬性的干擾，通過此步驟可以降低故障屬性的維數(shù)，達到精簡的目的。同時，在故障診斷期間，判定故障需要采集樣本的各個屬性，然而各個屬性的重要度并非相同，所起的作用存在差別，如果利用粗糙集的客觀屬性判定，則會使診斷更為精確，避免人為賦予屬

3、性重要度所帶來的主觀性較強的弊端。
　　 (2)提出了用改進的克隆選擇算法訓(xùn)練各故障模式下的檢測器，并將檢測器用于診斷網(wǎng)絡(luò)故障的方法。現(xiàn)存的克隆選擇算法大多數(shù)收斂速度比較緩慢、檢測器生成具有盲目性、缺乏動態(tài)適應(yīng)能力，因而導(dǎo)致了比較嚴(yán)重的誤診、漏診現(xiàn)象。本文針對不足之處，將其加以改進。例如增加了檢測器的動態(tài)更新策略，以便及時洞察自體和非自體之間的轉(zhuǎn)化;增加了基因庫，以便提高初始檢測器的生成速率和質(zhì)量;當(dāng)發(fā)生新故障時，可以重新訓(xùn)練相