现如今, 计算机系统以及计算机网络在生产生活中普遍应用, 由于用户需求不断提高, 并且需求具有多样化特点, 因此, 务必进行优化分析, 大大提高网络资源调用效率, 实现低成本、高效益的计算机网络应用效果。由此可见, 本文这一论题具有探究必要性, 论题分析的现实意义较显著。
一、理论模型构建
(一) 必要性
动态优化理论符合计算机系统以及网络的实际应用, 计算机系统及网络随着时间、外界环境的变化而改变, 为在短时间内显示决策行为, 务必进行动态优化分析, 最终做出最优决策。从另一个角度来讲, 动态优化能够记录系统变化过程, 它具有静态优化不具备的优势, 能够高效分配网络资源, 为用户带来良好体验。相对比而言, 动态优化应用前景十分广阔, 动态优化分析具有必要性和重要性。[1]
(二) 模型介绍
动态优化基础理论模型即马尔可夫决策过程, 它综合考虑决策者行为、系统时间、系统状态, 在特定时间内完成系统状态调整, 将资源整理、任务调度工作具体落实, 在这一过程中, 决策行为能够起到辅助作用, 系统状态实现自由切换, 最终计算机系统及网络能够满足使用需要。下文具体分析马尔可夫决策过程。首先, 构建状态集合M, 决策者通过观察状态集合特征, 最终做出决策, 实施相应行为。然后, 决策行为确定后, 将决策行为汇总成新的集合, 命名为M1。接下来总结M集合行为产生的经济效益, 将效益函数命名为M2。最后, 记录决策行为转移情况, 针对转移关系记录为M3。需要注意的是, 马尔可夫决策过程具有随机性和确定性, 因此, 决策主体应动态关注状态集合变化, 适时转化决策行为, 确保马尔可夫决策过程顺利完成。
二、动态优化分析
(一) 建模分析
根据具体情况构建马尔可夫决策过程模型, 结合理论知识以及建模需要完成模型构建任务。首先, 了解建模需求, 以此明确模型构建目标, 模型变量变化, 会间接影响决策目标, 待建模目标确定后, 针对变量具体限定, 如果建模目标或者变量目标动态变化, 那么计算机系统以及收益情况变动幅度随之扩大, 导致系统运行效果不尽人意。其次, 参照已定建模目标, 合理构建函数, 有序梳理函数间关系, 在此期间, 完成不同级别函数数值调节工作, 针对函数调节行为以及变化数据具体记录, 通过数据具体分析, 动态调整马尔可夫决策。然后, 再次确定系统运行状态, 根据状态衡量决策行为是否合理, 一旦决策行为不符合实际情况, 那么应及时优化。如果问题处理不及时, 或者优化工作不到位, 极易降低计算机系统利用率, 导致计算机网络资源处于闲置状态。最后, 客观、全面评价马尔可夫决策过程, 并制定可行的处理对策, 尽可能提高网络资源利用率, 取得动态优化的最佳效果, 体现资源调度、任务分配的合理性[2]。
(二) 过程求解
马尔可夫决策过程求解分为两方面, 第一方面即数学解, 第二方面即马尔可夫求解, 求数学解的过程中, 首先掌握运行目标, 针对目标函数形式大致了解, 其中, 有限马尔可夫决策流程的形式为, 无限马尔可夫决策流程的形式为。然后分析状态空间, 分析对象有两种, 第一种即系统状态空间, 第二种即决策者行为空间。接下来构建递推方程——Bellman, 操作期间应用强化学习法, 该策略应用准确性较高。最后求得最优策略。马尔可夫求解的过程中, 常用求解方法主要有两种, 分别为近似求解法和精确求解法, 前者在数据分析的基础上获得数值, 并根据数值分配计算机网络资源, 在此期间, 记录资源分配过程, 探索最优资源分配方法, 满足用户使用需要。后者计算过程较繁琐, 并且会浪费较多时间, 但最终求得的计算方法较优。由于计算机系统资源丰富、种类多样, 建立马尔可夫过程求解模型不能利用精确求解法求解, 因为值函数存储技术水平较低, 并且现有存储空间有限, 再加上, 值迭代算法和策略迭代计算方法操作时间较长, 进而会延长求解时间, 不能及时满足用户需要。相对比而言, 近似求解法较灵活, 能够在短时间内给出近似答案。从中能够看出, 两种方法均有优缺点, 因此, 用户实际操作时, 应根据具体情况, 选择适合的求解方法。
(三) 决策应用
分析马尔可夫决策过程应用案例时, 选择支持系统修复的案例作为分析对象, 所选案例由随机子网和非确定子网构成, 构建MDPN模型后, 准确记录决策行为, 以便为网络改善提供依据。需要注意的是, 计算机系统对称点有效标记, 满足对称点对应要求, 能够高效处理系统空间运行问题。现如今, 计算机网络覆盖范围不断扩大, 计算机系统随之升级, 基于此, 深入分析马尔可夫决策过程, 能够大大提高网络资源利用率, 避免网络资源浪费, 最终实现计算机系统及网络资源高效利用的目的。马尔可夫决策期间, 决策过程具有拓展性, 针对决策对象间存在的合作关系、竞争关系具体梳理, 能够获取最佳经济效益, 充分发挥马尔可夫决策模型的辅助作用。相关研究人员分析时, 能够以此为参考, 并得到理论内容以及实践经验的支持, 这对计算机网络良性发展有推动作用, 能够探索到网络资源配置、资源管理问题处理的最佳方案[3]。
三、结论
综上所述, 现如今网络信息时代悄然而至, 计算机系统不断升级、创新, 在这一过程中, 动态优化工作落实于过程, 马尔可夫决策模型具体分析、深入探究, 能为网络资源分配提供依据, 实现网络资源最优配置、计算机任务合理分配的效果。因此, 计算机系统研发者、计算机网络维护者应客观认识马尔可夫决策模型, 掌握该模型应用作用, 这对计算机网络大范围推广、计算机系统有效升级有促进作用。
摘要：互联网时代背景下, 计算机系统不断优化, 网络资源配置效率相应提高。动态优化模型合理构建, 能够充分发挥计算机系统应用价值, 彰显计算机网络应用优势。本文围绕马尔可夫理论模型, 及其求解、应用展开分析, 深入了解动态优化的积极作用。
关键词：计算机系统,计算机网络,动态优化
参考文献
[1] 孙丹丹.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].电脑知识与技术, 2017 (35) :38-39.
[2] 陈远聪.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].赤峰学院学报 (自然科学版) , 2017, 33 (4) :9-11.
[3] 杨鸿华.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].科技展望, 2015, 25 (29) :11.