计算机系统与计算机网络中的动态优化:模型、求解与应用

陈远聪

（华南农业大学珠江学院，广东 广州 510900）

计算机系统与计算机网络中的动态优化:模型、求解与应用

陈远聪

（华南农业大学珠江学院，广东 广州 510900）

随着计算机网络技术的发展，计算机网络资源已经形成了动态化的分布和利用，并在社会的各个行业内都有广泛的应用，随着计算机网络使用范围的扩展，计算机网络的业务种类以及业务数量不断增加，尤其是计算机网络的运行成本以及相应的使用模型需要不断的优化，应当基于实际运用中计算机网络的应用理论进行网络的动态优化以及模型改良，本文针对动态优化的模型及其求解和未来应用进行分析讨论，提出了一些计算机网络模型的优化建议.

计算机系统；计算机网络；动态模型；优化

随着网络时代的到来，计算机网络以及计算机系统已经成为了社会大众日常生活中不可缺少的部分，并且计算机网路以及计算机网络系统也深入到了各个行业之中，为了更高效率的应用计算机网络技术，进行合理的网络资源分配利用以及高效率的应用是十分必要的事情，在这一过程中，如何提高计算机网络技术以及模型利用的效率和理论是一个重要问题.

在优化计算机网络模型的时候，优化理论的出现以及应用成为了解决问题的关键以及分析问题的必要方法，在使用优化理论的时候，应当从时间角度以及静态优化的角度进行分析，在两者互相结合的基础上应运而生出了动态优化以及分析的理论，在静态的优化理论的分析指导下，整个计算机网络系统是一个静态不便的系统，在进行资源需求分析以及资源分配的时候，所有的优化措施都是一成不变的，也是一个与时间概念没有直接关系的分析，这一理论的单独应用无法实现真正的网络系统优化，在此基础上要结合其他客观因素的分析，从静态分析的角度结合动态分析的理论进行函数模型概念，在动态优化理论的指导下，计算机网络系统的优化是收益与时间的共同累积量，与静态理论有明显差别的是，动态理论在分析计算机网络系统的时候对系统的变化进行了明确的描述，构建一个动态的模型进行分析，在此基础上提出具有针对性的优化措施.本文进行的动态分析是基于马科夫决策理论进行的动态分析过程，建立了一个基本的动态分析模型，为计算机系统的优化以及计算机网络的推广作出贡献和措施优化.

1 计算机系统以及计算机网络中动态优化模型的建立

1.1 马科夫动态分析模型的建模理论分析

在使用马科夫动态建模理论进行计算机网络优化的时候，常用的分析内容应当从以下几个角度出发:首先，在使用马科夫动态建模理论的时候，就应当从计算机网络以及计算机系统的特征出发，结合计算机的网络系统性状进行描述，对计算机网络系统内的特征进行特征描述，将所有的相似特征放在一个相同的集合之中，对相似的网络特征性状进行相关行为分析，在分析的基础上，决策者可以对相同行为集合内的收益性组建收益模型，例如：相似特征的网络性状放入到集合A中，将所有具有相同的决策行为形成的收益规律总结成收益函数R，这样，在整个动态模型的动态分析的过程中，计算机网络系统可以用不同的计算关系总结归纳出相同的转移记录以及转移过程，这样能够在转移记录以及转移过程的分析过程中形成转移关系.

在使用马科夫决策理论进行分析的时候，所经历的决策过程通常是为近期的、即将发生的行为做出决策支持，这个时候的决策状态是服务于下一时间段的决策行为的，并且所做出的决策在整个计算机系统的运行之中是没有很强的历史性关联的，因此，在马科夫决策过程中，转移关系的行为以及转移关系的性质都是具有不同的参考意义的，这样在使用马科夫决策理论的时候及可以将所有的数据分成随机状态与随机状态两种，这样的状态在计算机网络系统运行的时候形成就了可确定性强的运行结果，并且受到可变因素的影响较小.

1.2 基于马科夫决策理论动态建模的过程

在使用马科夫决策理论进行动态优化模型建立的时候要将所有的决策理论放入到计算机网络优化模型的建设之中，建立动态优化模型的方法如下所示:

首先，在进行计算机网络模型以及计算机网络系统动态优化模型建立的时候，要为所有的操作工作设置一个综合的目标，在这一个整体的目标的指导下使得所有的模型建立操作都具有高效率的决策机制支持，并且，在综合的指导目标之下，动态优化模型的建立的不同阶段的操作也有了不同的建设目标，例如:在进行计算机网络优化模型建立的时候，通常要在设置函数的时候将不同的函数消耗的能量计入到函数之内，并对函数的延迟性设置成计算的目标，在马科夫决策动态模型之中设置具有不同期望值的目标函数，使得计算机系统以及计算机网络能够在运行的时候合理的协作不同的目标好书以及各级不同的计算函数，使得系统运行的时候计算效率大大提高，并且使得系统运行的计算结果在最大化与最小化之间进行转化，在这样的过程中，使用动态优化模型的决策者能在不同的操作对策之下对计算的结果及进行合理适当的调整，其次，在计算机网络系统以运行的时候，所需要的运行空间也要在动态优化模型中得到考量，使得运算所使用的空间能够科学的计量和应用，动态优化模型能够计算出空间的利用情况，进而在空间利用率的基础上做出后续的空间使用决策，尤其是在计算机网络系统的游离空间内，无线电系统占据着相当大的空间，为了使得计算机网络系统和网络结构适应不同用户的需求，动态优化模型要将所有的数值确定在一个合理的、能够被用户接受的范围内.

1.3 马科夫动态优化模型的计算过程分析

在实际使用的过程中，马科夫动态计算机网络优化模型的应用可以分为两类，实际运行结果的计算也是从这两个角度出发的，也就是计算机网络系统的精确求解过程以及近似求解的过程，在马科夫的动态优化模型中，精确求解的计算方式是为计算机网络系统提供最优的计算结果，结果在实际的计算机网络系统运行中也是具有应用价值的，而近似的求解过程是在既定的计算机网络系统内做出的计算结果，在实际的应用过程中，不同的计算机网络系统在运行的时候要根据实际的运行数据表现进行数据调整，为了计算结果的调整方便，计算过程仅仅进行简单、近似的计算即可，求得的相似解的过程能够优化动态模型的计算效率，降低模型内部结构的损耗.

在不同的动态优化模型计算过程中，需要根据计算机网络模型的运行需求进行不同精度的计算，并对两者的计算结果进行区分和优化，在最佳的动态优化模型的支持下，不同的计算机网络用户的需求也能够在不同程度得到满足，用户可以根据自己的需求选择不同的优化模型，也可以对不同的分类计算结果进行利用.

1.4 马科夫动态优化模型在计算机网络系统内的应用

在分析和利用马科夫动态优化模型的时候，应当使得动态优化模型具有系统维护的针对性以及计算机网络的修复功能，为此，在进行马科夫模型建造和应用的时候要将这些因素当作应用对象.

在进行计算机网络结构以及计算机网络系统优化的时候，马科夫的优化模型能够促进计算机网络正常工作，将整个网络分为两个部分，一半是能够正常工作的，一半是随机的计算机网络子网，为网络的决策者流出了很大思考空间，在马科夫优化决策模型之中，做好了相关的改良之后，可以对标记的部分进行问题改善，对其中存在的对称性问题进行高效率的处理和解决，缩小计算机网络中出现的空间问题，在此基础上，计算机网络系统以及网络结构能够在相关理论的指导下进行进一步的优化以及解决，有利于计算机网络系统的功能更新以及进一步的优化，并结合全新的理论做出更多的操作贡献，有效的解决计算机网络系统以及网络结构运行中存在的资源分配问题，有效的提高网络的应用效率以及丰富计算机网络的功能.

2 基于实际案例的马科夫动态优化网络的措施分析

2.1 马科夫动态优化模型的决策案例分析

在决策的过程中，马科夫的决策过程包含了以下几个因素:

首先，将马科夫动态优化模型的所有涉及到的相似的运行状态放在一个相同的集合S之中，用来描述计算机系统的运行状态，并将所有的计算机网络操作行为放入到集合A中，行为集合可以描述决策者在相似的状态空间内的运行行为，这些行为能够适当的选择相似的行为，形成可依赖的状态，记为集合A（s）.

对动态优化模型中设置的收益函数为R（s，s’，a），其中s和s’的变量取自集合S，变量a取自A，收益函数用来描述计算机网络系统内决策函数的行为以及为之后的行为分析奠定良好的收益基础.

采用的状态转移关系是SM，转移关系用来描述计算机系统在决策行为之下的影响和转移过程.进行计算机网络系统的优化策略简称Π，作出的决策流程如下所示:

首先，模型的决策者要观察当前所处的运行状态s，其次，对计算机网络当前的状态进行分析，确定后续的优化策略采用Π（s），之后进行优化行为采用Π（s）进行操作，观察计算机网络系统的优化结果，看运行状态是否发生改变.最后的操作按照实际的计算机网络协运行结果重复上述的流程操作，不断的进行计算机网络的优化，这样系统运行的过程中就会产生收益序列，反应计算机网络以及系统的运行优劣程度，这个时候使用目标函数J对收益序列的数值进行计算进而得出就一个单一的反应系统运行的数字.

2.2 马科夫决策过程的建模分析与决策

首先，明确动态优化模型的系统运行目标，根据收益函数R和目标函数J来设置不同的系统的运行目标，从不同的研究角度确定收益函数与目标函数的计算过程，在设置目标函数的时候常常考虑的目标有以下几个:节点吞吐量因素、能量消耗因素、信道利用率因素、时间延迟因素以及分组丢失的效率等等，形成较高的目标函数，计算出无限计算过程以及有限计算过程，得出相应的行为决策.

其次，找出计算机网络系统的运行空间与决策者决策行为的空间之间的关联性，二者的关系可能是离散可列的，例如:信道是由两个离散的状态刻画的，用户的行为也可能是离散的，也就是发送数据与监听信道之间的关系，状态空间与行为空间的关系可能也是连续的，得出相应的用户行为以及连续的用户空间，相应的数值的取值范围在0与1之间.

2.3 马科夫决策过程中系统行为类别分析

在计算机系统运行的过程中，马科夫决策过程是对用户的行为进行明确的分类的，对于用户的行为分类依据如下:根据计算机网络系统的执行任务的时间的长短，划分出用户的行为有有限时间的动态优化模型以及无限时间动态优化模型；根据用户决策者的观测能力，将动态优化模型分为完全可观测动态优化模型以及部分可观测的优化模型；根据计算机网络转移关系的确定性将动态优化模型划分为确定的优化模型以及随机的优化模型；根据计算机网络的时间是否连续将动态优化模型划分为连续时间的优化模型以及离散时间的优化模型；而根据计算机网络内转移概率或者是模型内收益是否确定将动态优化模型划分为普通的优化模型以及带有强化学习观念的优化模型，在不同的划分过程中，使得计算机网络的优化模型更加的就具有针对性，优化的措施运行的效率也就大大增强.

3 总结

随着计算机网络时代的到来，计算机网络技术已经进入到了社会大众的日常生活以及工作之中，为了使得计算机网络的运行效率大大提高，给人们带来更多的便利，对计算机网络以及计算机系统的优化以及改进是十分必要的，本文从动态与静态的理论角度出发，采用马科夫的决策分析方法建立动态的分析与决策模型，取得基础的数据分析以此提出动态优化的解决方案，为计算机网络系统与计算机网络结构的研究指出明确的方式，促进计算机网络结构的应用更加的深入到社会大众的日常生活之中，为计算机行业的长远发展奠定良好的基础.

〔1〕田祥宏.计算机系统与计算机网络中的动态优化[J].中文信息,2014(12).

〔2〕赵飞,刘宁,秦敏.计算机系统与计算机网络中的动态优化[J].山东工业技术,2016(6)：142-142.

〔3〕祝永健.刍议计算机网络防御策略建设方法及模型优化方案 [J].网络安全技术与应用,2014 (10)：119-120.

〔4〕胡峰,孙国基.动态系统计算机技术综述(Ⅰ)：仿真模型[J].计算机仿真,2000(1)：1-7.

〔5〕彭子平,张严虎,潘露露.隐马尔科夫模型原理及其重要应用[C].中国信息技术与应用学术论坛，2008.

〔6〕何丽.基于隐马尔科夫模型下的实时风险管理[J].电脑知识与技术,2014(3X)：1711-1712.

〔7〕秦强,胡昌振.基于马尔科夫决策过程的软件测试仿真与计算 [J].数值计算与计算机应用, 2014,35(2)：92-102.

〔8〕赵锡英,张明新,邢敬宏.交互式马尔科夫链上强模拟关系的计算[J].兰州理工大学学报,2008,34 (1)：76-81.

〔9〕闫新娟,谭敏生,严亚周,等.基于隐马尔科夫模型和神经网络的入侵检测研究[J].计算机应用与软件,2012,29(2)：294-297.

TP393

A

1673-260X（2017）02-0009-03

2016-10-21