阐述计算机系统与计算机网络中动态优化

论文导读：
摘 要：随着计算技术应用领域的不断扩大，其中的业务内容也越来越复杂多样，因此，就急需要提高计算机网络和系统的动态优化。对计算机系统和网络进行动态优化，能够有效的进行资源分配和任务调度。目前，在国内外针对这一方面已经展开了大量的研究，其研究的目的在于深化动态优化的理论研究和工程应用。本文就计算机系统安全进行详细的阐述，对基于马尔可夫决策过程的动态优化模型、马尔可夫决策Petri网的动态优化模型和随机博弈网的动态优化模型进行分析研究，以便推动计算机网络的发展。
关键词：计算机系统 网络 动态优化
1003-9082（2014）12-0001-02
引言
马尔可夫决策过程的动态优化模型、马尔可夫决策Petri网的动态优化模型和随机博弈网的动态优化模型随着计算机网络和计算机系统等相关技术的飞速发展，其在各大领域中的运用越来越广泛。对计算机网络和系统进行优化能够较好的进行系统资源配置和任务调度，可以提高计算机网络和系统的工作效率。其中优化理论是研究计算机网络和系统中资源配置和任务调度的主要策略之一。优化理论可以分为静态优化和动态优化两种类型。静态优化将系统中的资源配置和任务调度看作是与时间无关的常量，忽视了系统时变性特征。因此，对计算机网络和系统的优化通常是对其进行动态优化。

一、计算机系统安全

其一，实体安全。其主要针对计算机主机受到外界电磁干扰和辐射的影响，对计算机系统软件采取的安全措施。首先，确保计算机系统操作具有完善的存储、制约和管理功能，避开用户进行违规操作。其次，需要确保计算机良好的信息存储功能，在实际工作中实现信息存储和保护作用。最后，确保计算机具有系统运转的管理功能，对整体的运转和日常工作中的各种数据进行监管。
其二，输入和输出制约安全。当计算机处理数据的时候，数据人员或部门需要成立专门的负责小组对单位或企业信息进行输入和输出制约，确保信息安全的输入和输出。当数据信息输入和输出的时候，需要设置相关读取和接受的权限，避开信息的流失和泄露[2]。
其三，网络安全。计算机网络安全的主要目标是确保计算机系统能够在安全的环境下正常运转，确保计算机系统的安全程度由底道高的多层次的转变，针对不同用户和不同级别的信息需采取多层次的保护措施。对网络安全采取的措施需要从三个方面出发，首先，做好保密措施，对计算机信息和网络在授权后进行信息和文件的存储。其次，做好完整性措施，确保计算机信息在存储或输送的过程中不被修改，确保其完整性。最后，做好可用性措施，确保计算机系统的静态和动态信息内容能够进行日常的可见性操作[3]。

二、基于马尔可夫决策过程的动态优化模型

1.马尔可夫决策过程

马尔可夫决策过程（MDP）的无后效性是一个比较特殊的特性，主要是指该系统在洗衣歌时间段的状态是根据上一个状态和决策行为为依据的，和系统的历史没有关系。一个基本的马尔可夫决策过程主要包括：（1）状态集合S，主要负责对系统的状况进行描述。（2）行为集合A，其作用是预测决策者在状态空间中可能会发现的行为动作并对其进行描述[4]。（3）收益函数R，主要体现系统在决策者行为的影响下的转移过程。根据状态集合性质的不同，可以将马尔可夫决策过程分为确定马尔可夫决策过程和随机马尔可夫决策过程。针对确定马尔可夫决策过程，在某一状态下的某一行为会引起唯一确定的状态发生状态转移。另外，马尔可夫决策过程在未来的发展过程中，需要根据当前的状态和实际情况进行分析研究，还要考虑到外部随机变量的影响。在马尔可夫决策过程中，需要根据状态集合和行为集合的映射经分析研究，从而得到当前决策行为的优化策略[5]。

2.马尔可夫决策过程建模分析

在马尔可夫决策过程中需要对系统进行建模分析，建模分析的步骤主要有：（1）首先需要清楚了解系统运转的主要目的。再次确定在该过程的系统中目标函数和收益函数。不同的系统其运转的目标也就不同。另外，即使是同一个系统，从不同的角度和方式分析，得出的目标函数和收益函数的数值也会有所不同。一般目标函数具有以下形式：
有限马尔可夫决策过程：
无限马尔可夫决策过程：
（2）对该系统的状态空间和决策者的行为需要明确了解。系统的状态空间和决策者的行为可能是离散的。其中用户的行为也可能是离散的。（3）根据系统的状态之间的动态转移关系建立推进方程。在这个步骤中，转换关系主要有状态转移方程和转移概率。推进方程中描述的值函数V的递推干洗，在求取最优策略的时候能够发挥出较大的作用[6]。（4）根据所得到的推进方程，对模型进行求解，可以得出最优的优化策略。
另外，从不同的划分依据和角度来分析，可以将马尔可夫决策过程划分为表1中的几个类型。
表1 马尔可夫决策过程分类

三、基于马尔可夫决策Petri网的动态优化模型

1.马尔可夫决策Petri网

马尔可夫决策Petri网中主要有两个部分组成，一个具有系统行为特点的随机子网，另一个是具有决策者行为的非确定子网。这两种子网需要通过各种变迁手段进行同步处理。随机子网的行为可以通过系统运转中间过程和系统在目前运转的过程中终止的这两种类型的变迁来分析。具有系统行为的随机子网中的每一个变迁都会对应一个权值，其主要是在某一特定的状态下，对系统能够变迁的概率进行计算[7]。在马尔可夫决策Petri网中，系统主要是由多个组件构成。这些组件有的是可以制约的，有的是不可以制约的。马尔可夫决策Petri网主要是由四元组组合而成的，主要包括有限非空系统组件集合、非空可控组件集合、带有优先级的Petri网和对应的对象、带有优先级的Petri网和对应权值以及对应行为。另外，马尔可夫决策Petri网需要满足一下几个方面的条件：首先，变迁的过程中其变迁数值不能同时是非确定变迁和随机变迁，两者不能统一。其次，每个系统中必须要具备一个能够触发变迁的组件。最后，每个可以制约的系统组件中必须有一个是变迁的对象。在马尔可夫决策Petri网中，收益主要有两种方式，一种是状态收益，主要讲的是该系统处于某一个状态下后能够得到的相对应的收益。另一种方式指的是行为收益，主要讲的是决策者们通过各种行为得到的收益。 全文地址：www.7ctime.com/jsjsjklw/lw41954.html上一论文：简述煤矿企业中计算机网络的有效应用