计算机系统与计算机网络中的动态优化

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，以便促进计算机网络的发展。

关键词：计算机系统 网络 动态优化

中图分类号：TP393 文献标识码：A 文章编号：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方法之一。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、控制和管理功能，避免用户进行违规操作。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行的管理功能，对整体的运行和日常工作中的各种数据进行监管。

其二，输入和输出控制安全。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控制，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，避免信息的流失和泄露[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行，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行的主要目的。再次确定在该过程的系统中目标函数和收益函数。不同的系统其运行的目标也就不同。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行中间过程和系统在目前运行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控制的，有的是不可以控制的。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，每个可以控制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。

2.马尔可夫决策Petri网的建模分析

通过建立决策这行为子模型和马尔可夫决策Petri网系统的子模型之后，还需要引进一些系统的附加位置和变迁情况。基本的马尔可夫决策Petri网模型如图1所示。其中位置Stoppri、Runpri、Stopndi、Runndi、Stopnd0、Runnd0的主要功能是将系统组件、决策者行为和整个系统进行同步处理。在上述的位置中，每一个组件都有以对应的两个位置。如果决策者对整个系统的全局进行行为处理，就需要加入两个相关的位置参数。如果仅仅只是针对系统的某一个或者局部的行为进行处理，就需要加入Stopndi和Runnd0两个位置。Stopndi位置有标记时，才能够正常实施，该模型主要是由决策者行为状态转移到系统的运行状态中[8]。

图1 基本的马尔可夫决策Petri网模型

另外，马尔可夫决策Petri网求解过程可以分为以下几个步骤：（1）由马尔可夫决策Petri网模型可以求得该模型的可达图RG。其中可达状态集合RS可以分为两个部分，主要是非确定状态和随机状态。其中在非确定状态中，Tnd类型的变迁才能够正常的实施；而在随机状态中，Tpr类型的变迁只是具有实施的可能性。（2）将尔可夫决策Petri网模型的可达图规定到为非确定可达图中。（3）将非确定可达图RG确定为可达图RGMOP。其主要功能是对所有的随机子路径进行收索，计算出各个路径的概率，然后可以将所有的路径缩小到可达图中的一条弧线中，从而表示宏观的状态转移情况。（4）计算出对应MDP的转移概率。（5）根据相关方程计算出MDP中的最优策略。

四、基于随机博弈网的动态优化模型

在以上几点中所讲到的系统主要是对具有一个决策者的系统进行集中处理和控制的。在实际的系统运用过程中，还存在着具有多个决策这的系统，在上述几个模型中，只能从各个决策者的角度分别建模，将其他决策者看作是不可控外部随机事件，从而无法体现出决策者之间的联系。在2008年，首次提出了随机博弈网，将动态随机博弈网和随机Petri网相结合，就可以对具有多个决策者的系统进行建模分析研究。

其一，随机博弈网。随机博弈网（SGN）主要是将上述的两个系统集合起来，并对这些系统进行建模分析。随机博弈在本质上是马尔可夫决策过程的拓展，由有多个决策者组成，并能够对决策者之间复杂的关系进行描述。其关系主要有：相互合作和相互竞争的关系。其中相互竞争关系指的是每个决策者之间为了自己的利益而进行相互竞争。合作关系指的是所有的决策者为了总体的共同的利益而形成的相互合作的关系。随机博弈网主要有九个元组组成，包括决策者的集合、有限变迁集合、决策者选择的某个变迁的概率、弧集合、决策者采用某个变迁所对应行为所得的收益函数、变迁的运行速度、决策者们的总体收益函数。

其二，随机博弈网的建模分析。随机博弈网的建模流程为：首先，建立好每一个决策者的子博弈网。在实际的系统中需要识别出随机博弈网的对应要素，例如变迁、收益和位置集合。其次，对纳什均衡条件进行描述。将随机博弈网中的具有相似或一致的位置的子模型进行合并，针对合作博弈而言，每个决策者的目的是获取最大化的总体收益。再次，对纳什均衡策略的求解。通常情况下，求解的难度比较大。系统的求解问题还可以看作是一个静态非线性规划的问题，这样一来，求解也就更加方便。最后，将各个子模型进行合并，建立整体的随机博弈网模型。主要是将各个子模型中含义相似的位置进行合并，将所有的子模型重新组合，从而得出整体的随机博弈网模型。

其三，随机博弈网的应用。本文中主要是以企业网络中的安全和攻击防守功能为例，详细解释建模的方法和步骤。例如在一个具有代表性的企业网络中，可以从管理者和攻击者的角度看待问题，企业的网络拓补结构如图2所示。攻击者对企业网络进行一些攻击行为的时候，例如可以对企业网络脆弱性进行扫描攻击、攻击企业网络的数据库、破解服务器的密码等攻击行为。然而企业的管理者就需要对这些可能会存在的或者已经存在的攻击行为进行防护和处理，管理者就可以加入攻击者的检测系统进行扫描，避免攻击者的IP进入到系统中。目前关于随机博弈网的应用主要集中在网络安全方面。另外，在无线网络领域，也有一些初步的研究成果，随机博弈网在理论和应用方面均具有较广阔的发展前景和空间。

图2 企业网络拓扑结构

五、结语

本文中主要讲了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，对动态优化在计算机网路和系统中的运用进行充分的了解，其能够对计算机网络和系统中复杂的资源进行优化配置，能够适应复杂的应用环境，能够在计算机网络和系统中发挥出更大的作用。

参考文献

[1]梁国权，杨明康.浅谈计算机系统安全与计算机网络安全[J].黑龙江科技信息，2011，14（5）：108-109.

[2]陈智波，胡建德.计算机网络和计算机系统的优化措施[J].计算机工程，2010，25（7）：114-115.

[3]林闯军，黄建波.基于随机博弈模型的网络安全评价与分析[J].清华大学学报，2011，18（5）：106-107.

[4]陈智波，徐明伟，崔勇，等.OSPF协议的随机Petri网模型与性能分析[J].清华大学学报（自然科学版），2011，14（04）：102-103.

[5]沈佑田.计算机网络安全问题与防护策略探讨[J].产业与科技论坛，2011，12（06）：115-116.

[6]王加存，姜胜兵.随机Petri网的瓶颈及其最大处理能力[J].火力与指挥控制，2011，23（02）：106-107.

[7]刘道斌，林建成，陆维明.随机Petri网非乘积解系统的判定与界限求解[J].电子学报，2011，21（02）：144-145.

[8]邵雪.计算机网络安全问题与防护策略探讨[J].产业与科技论坛，2011，25（07）：136-137.

作者简介：田祥宏（1971-），男，湖北蕲春人，金陵科技学院计算机工程学院副教授，硕士，研究方向：计算机网络。

推荐访问： 计算机网络 计算机系统 优化 动态

---