基于粗糙集和克隆選擇算法的網絡故障診斷應用研究.pdf

1、計算機網絡現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。然而現存的網絡故障診斷系統(tǒng)仍存在實時診斷能力較弱、動態(tài)適應能力不強、自學習能力欠缺等問題，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合的思想。一方面，利用粗糙集的約簡功能，去掉網絡故障的冗余屬性，以減少克隆選擇算法的訓練及診斷時間;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、障檢測器的訓練階段及故障的診斷階段，其研究內容主要有:
　　 (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絡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、不相關的屬性的干擾，通過此步驟可以降低故障屬性的維數，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練各故障模式下的檢測器，并將檢測器用于診斷網絡故障的方法?，F存的克隆選擇算法大多數收斂速度比較緩慢、檢測器生成具有盲目性、缺乏動態(tài)適應能力，因而導致了比較嚴重的誤診、漏診現象。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化;增加了基因庫，以便提高初始檢測器的生成速率和質量;當發(fā)生新故障時，可以重新訓練相