《计算机系统与计算机网络中的动态优化探讨》由会员分享，可在线阅读，更多相关《计算机系统与计算机网络中的动态优化探讨（3页珍藏版）》请在金锄头文库上搜索。
1、计算机系统与计算机网络中的动态优化探讨摘要：随着科学技术的不断进步，计算机技术也在不断的开展。计算机系统在人们生活中扮演者非常重要的角色，也起到非常重要的作用。那么对于计算机系统和计算网络中的资源进行合理的分配与应用，是当前计算机系统开展的首要工作，而想要完成这样的任务是需要利用一定的工具，动态优化技术。而动态优化技术在国外已经开展很久了，但是目前国内对此类的研究还是处在根底的阶段，而本文主要从动态优化的模型、求解，还有具体的应用，希望能够有所帮助，能够在以后会有着更為先进的开展，推动计算机动态优化技术的进步。关键词：计算机系统；计算机网络；动态优化；探讨计算机的不断普及和应用，使得人们对它的
2、要求也越来越高，原有的计算机系统以及技术已经不能满足现在社会的开展。需要对此进行一定的优化和开展。各行各业中都需要利用到计算机，证明对此研究和开展具有非常重要的现实意义。如何将计算机网络中的资源进行恰到好处的处理分配，对此需要进行严格的调查和研究，需要考虑到很多方面的问题，但其中最为重要的一局部就是对计算机网络中的动态进行优化分析，它是目前普遍采用的优化手段，动态优化有着非常明显的特点，被人们所认知、然后应用采纳在社会的各行各业。1动态优化的概述动态优化的出现是因为人们对于计算使用功能的要求不断提升，而对计算机系统和网络资源进行一定的优化和配置，使得计算机系统做出最好的安排，能够合理的调度资源
3、，这样也能提高计算机系统和计算机整体的运行效率，降低运行本钱。优化理论中，从时间的角度出发进行区分，可以分为两个局部，一个是静态优化，另外一个就是动态优化。静态优化将系统看做是不动的状态，也就是说将系统资源的需求和分配看成是定量的，正因为如此，才不能很好的解决突发问题，这种情况就忽略了外部任务的需求是随着时间的不断变化而变化，容易受到外部随机事情的影响，具有不可控性，不能很好的满足开展的需要。于是动态优化就应用而生，动态优化可以随着时间的推移，进行不断的调试，能够满足很多人的需要。动态优化是基于计算机网络开展系统而进行动态的管理，对目标函数都有着非常好的分析，其中可以很好的用来解析离散时间的决
4、策，其中较为著名的就是马尔可夫决策过程理论，将之称作为动态优化的模型。2马尔可夫决策过程模型以及缺乏2.1马尔可夫决策动态优化的根本理论模型是马尔可夫决策过程展示markovdecisionprocess，MDP，而马尔可夫决策模型采用离散时间的方式进行决策的系列过程：系统t+1时刻状态的转移，只依赖于t时刻的系统状态和决策者的行为，但是0，t-1时间段内的系统状态和决策者是没有关系的。MDP是可以从决策者的观察能力、状态转移确实定关系、执行所需要的时间、时间处理上的联系性、是否具有附加条件以及决策目标数量等角度进行分析，通常情况下，对于计算机系统和计算管理资源问题上，会遇到一些问题，比方，状
5、态空间爆炸问题，这是因为网络中的资源数量巨大、种类繁多，在处理的过程中，最有可能出现此类问题。MDP模型的状态空间随着处理问题的数量增多，呈现指数级爆炸增长，这些爆炸增长的空间让传统的精确求解的算法出现了一些变化，这种算法理论上来说是可以处理数据信息，但是在实际运行中，数值迭代和策略迭代等程序无法得到正常的使用，所以就难以满足现在需求。而现在通过MDP模型的近似做法可以将这些算法归为三类，主要有贪心算法、基于状态聚合的算法、最后一种是基于近似动态规划的算法。而本文讨论的正是MDP模型的近似算法，信息社会，数据信息呈现爆炸增长，海量的信息需要进行处理，这样对网络资源的合理分配有着极为明显的要求，
6、同时也提出了很大的挑战。2.2马尔可夫决策过程出现的缺乏马尔可夫决策过程在具体的应用过程中会出现一定的缺乏主要有一下几种。首先，模型不直观，在马尔可夫决策过程中，MDP模型中的每一个模型要素都进行了严格的形式化定义，虽然它有着较强的逻辑性，在逻辑上没任何漏洞，十分严密。但是正是因为这点，使得它很难被人直观的理解，对此理解性较低。此外，在某种程度上说，模型的建立需要很强的数学背景，这是必要的，因为在推导系统状态转移概率时，需要具有强大的计算能力，这离不开数学，因为建模还是存在一定的难度，需要数学根底。其次，在一些复杂的应用环境中，单纯的MDP模型是很难对一些精确的系统进行刻画，比方网络平安问题上
7、，MDP模型对于各个组件之间的关系以及网络拓展活动，都存在着种种缺乏。正是这些存在的缺乏让学者们进行了对新的模型的探究，其中最为突出的便是随机博弈网和马尔可夫决策网，这两种模型将动态优化理论同随机方法结合起来，克服了以上的种种缺陷，让很多不容易理解的模型都有着非常清晰的表示。随机网予语义非常明确、运用图像化的表现方式，给予人们直观的显示，通俗易懂。系统中各个组件之间都存在着连接的关系，能够很好的将变迁实施函数表达出，让建模者可以投入精力到目标系统、精确描述系统、决策者方面去，从而能够进一步推动研究。3马尔可夫决策过程模型的建立3.1马尔可夫决策过程马尔可夫的决策过程之中，主要包含有几种重要局部
8、。第一，具有非常独立性质的状态集合S，这主要是描述系统在应用后的种种状态。并且，决策者是可以通过这样的集合S对此范围内的一切，进行某种决策行为。而描述决策者的在状态空间行为的集合，那么都可以称之为行为集合，可以将其记为As。决策者通过自己的决策带来了一定的收益，在此影响下的所产生的收益可以用收益函数表达Rs，s，a，其中s，sS，aA。在记录整个的决策过程中，系统会通过关系的转移方式对过程进行记录，也就是转移关系SM，马尔可夫的决策过程是拥有着显著的特征，其中就有一点：无后效性。它表达的是系统在下一时刻的状态也只能依赖于前一种的状态和决策的行为，和系统的历史却没有任何的相关性。根据SM性质的差
9、异，MDP可以分为两大种类，一种是MDP，另一种是随机MDP。对于已经确定的MDP，这样会在某一个状态下，行为因为差异性而导致唯一确定的状态转移，用公式表示即为：SM：SAS，此时的状态转移方程可以记为S=SMs，a；但是对于随机MDP来说，这种系统是不适合的，需要未来的系统进行行之有效的决策行为，这样的决策行为能够很好的对领先状态下的情形进行判断。其中也会受到外部的因素影响，即：SM=SAWS，而此时的状态方程那么表示为S=SMs，a，w/，其中的w/那么是外部的随机干扰因素样本，随机MDP的未来状态一般情况下是按照某种规律进行分布的，分布记为Ps/s，a，本文主要研究的是MDP，前面也已经
10、提及决策收益问题，但是在MDP的系统演进过程中，会产生一个收益序列，为了很好的比较MDP的决策优劣度，可以先在无限的MDP时间内选取一段有限的时间MDP，这样就能将无限时间MDP看成是目标函数的收益之和，随着时间的不断推移，会保证时间在累积的过程中使得总的收益是增长的，给定策略，那么在状态s的值函数等于当前一步决策所得收益与下一时刻折扣后值函数期望的和。4动态优化的求解动态优化的求解过程是马尔可夫决策过程的建模和分析，对于建模和分析的过程可以具体执行以下步骤，首先需要明确系统的运行目标，这个步骤中需要确保的是MDP的收益函数R和目标函数J之间存在着相关性，一方面，因为不同系统之间的运行程序会不
11、一样，导致运行的目标也会不相同，在另一方面，即便是对于同一系统，研究的角度不同也会造成导致不同的收益函数和目标函数。一般计算机系统在运行过程中常用的目标函数有几种：节点的吞吐量、能量消耗、信道利用率、网络延迟、分组丧失几率，这些组成的目标函数，在计算机系统的运行过程中，发挥着重要的作用和地位。对于随机MDP，大多数情形下使用的是带有期望形式的E目标函数，而期望目标函数具有的形式有一下几种：有限马尔可夫决策过程：J=Et=1TRs1，a1，限马尔可夫决策过程：J=Et=1tRs1，a1，J=limT1TEt=1TRs1，a1其中，s1和a1分别为t阶段系统所处状态，同时还包含了决策者采取的行为，
12、无限马尔可夫决策的两个公式分别代表了无穷时间折扣情形和无穷时间平均情形下的目标函数，系统运行目标一般来说都是最大化或者是最小化上述的目标函数。通过相关的操作可以对此进行调整。此外，可以根据运行状态空间进一步确定其决策的行为，在马尔可夫决策形成的过程中，系统状态的空间和决策是处在一种占用状态，所以，这种状态下的就会导致整体的数据通信系统的空间是不能使用的，需要等待最正确时机进行决策。状态空间系统和决策行为是可以为用户确定取值的范围，保证马尔可夫在决策分析的过程中，可以对不同的问题和情形进行分类。5动态优化的应用文章中对于马尔可夫应用进行分析将一个可以进行修复的系统作为例子进行仔细解读。对于MDP
13、模型的每一个组成要素进行分析，模型图如下所示。见图1。图1中，左边的半局部为随机的子网，它表示的是一个可以正常工作的变迁Workfine，也可以表示是一个不能够确保正常运行的failproc的系统组件，右边那么是非确定子网，用来对决策者行为进行描述，其包括分配资源和维修失去作用的组件，在所有的随机子网中，对相关的位置进行了标记，加深颜色之后，可以得到马尔可夫良构网模型MDWN。这种模型相对来说可以很好的处理具有对称属性的系统，能够很好地缩减小问题空间，现在针对MDWN模型的研究已经在慢慢的开展，可以处理高质量视频处理中的资源管理问题。6结语文章中，对于动态优化在计算机系统和计算机网络中的建模、
14、求解和应用都进行了详细的分析，动态优化拥有的是对不断变化情况的系统分析，在计算机系统和计算机网络中，其应用的资源种类较多，数量巨大切非常复杂，那么在面临这样复杂的环境中，需要合理的运用动态优化系统来对此进行应用，并不断的防止在应用过程中出现的问题，马尔可夫决策过程的近似求解的算法，不是能够使用所有问题，对于近似求解算法的应用范围、解的质量以及收敛性等一系列问题，还需要进一步深入研究。参考文献：【1】齐小刚.计算机网络中的路由与性能优化J.西安电子科技大学学报，202105：15-16.【2】林闯，万剑雄，向旭东.计算机系统与计算机网络中的动态优化：模型、求解与应用J.计算机学报.202135：32-33.【3】林闯，王元卓，汪洋.基于随机博弈模型的网络平安评价与分析J.计算机学报，202124：12-14.【4】刘君.计算机网络可靠性优化设计问题的研究J.沈阳工业大学学报，20210518-19.【5】杨晓庆.计算机系统与计算机网络中的动态优化：模型、求解与应用J.计算机光盘软件与应用，202109：108-110.【6】李寅，万剑雄.计算机网络效劳质量优化方法研究综述J.计算机学报，202101：1-14【7】陈波宇.计算机管理系统应用状况及發展前景J.科学故事博览，202102：14-15.8孙丽霞.我国计算机软件现状及开展趋势J.科学学报，202110：45-46.
