浅谈计算机的网络服务质量优化方法研究.docVIP

浅谈计算机的网络服务质量优化方法研究 　　【摘要】基于优化方法的机制设计与性能评价成为了当前网络服务质量领域中的一个前沿研究领域。本文简述了在网络上实现服务质量的现状和解决方案，分析和总结了服务质量保证的关键技术的原理和特点，最后展望了网络服务质量技术的发展。 　　随着通信技术和Internet的快速发展，网络会议、视频点播、远程教学、资源下载等大量实时服务在网络上被广泛应用，需要占用大量网络带宽，而且不同业务流对Qos有着不同的要求，这都迫切要求网络传输能提供服务质量保证。因此，如何保障网络的服务质量是一个重要的研究领域。为了让计算机网络服务质量进一步优化，需要不断研究更好的优化方法，相对于以往常规的启发式网络设计方法，当前的优化方法能够从理论方面得出问题且找到最好的解决方式，在根本上克服以往启发式设计方法中一直存在的难以对方案优劣程度进行判断的缺陷。所以在优化方法的基础上对网络服务进行机制设计还有性能方面的评价，是当前网络服务质量领域当中一个重要的领域。计算机网络业务随着科学技术呈现出不断发展的趋势，另一方面各种业务对于网络的需求也在上升中，网络服务的部署是否正常有效已经关系到很多方面的问题，为了保障或者是提高特定业务当中关键服务质量，需要对其设计方案不断优化。为了能够更好的提高QoS性能，不但需要对现在存在的网络协议进行评价，还要对网络进行再造工程，通过优化理论对网络系统做更进一步的分析，让网络的性能可以满足当前机制。 　　一、 网络优化模型的求解方法 　　网络节点在资源处理方面存在明显局限性，很多网络在部署的时候并不存在一个专门负责控制的集中节点，所以在通常情况之下网络的节点不但要承担控制层面，还需要对数据层面进行控制，负担相对较大。为了让控制能够更加全面有效，进一步优化性能，在设计的时候需要选择对资源占用不大且比较简单的计算方法。 　　凸优化方法 在网络当中凸优化问题包含有很多种不同的优化模型，其中较为典型的有线性规划或者是二次规划等模型。科技发展还有研究不断深入，人们对于问题本身是有存在凸性质的判断有了深入的见解，凸性质对于最优方案本身是否易解起着决定性作用，会出现这种状况的主要原因是凸优化问题当中，存在局部最优解那么就等于存在全局最优解。很多网络效用最大化的研究，都是在对凸优化问题求解基础上运行的。凸优化模型的目标函数是凸函数，其约束集本身也表现为凸集，其等式约束函数属于仿射函数的一种，而对于网络效用最大化的模型而言，其目标函数则是凹函数。 　　相对于没有约束的凸目标函数优化过程而言，需要利用的是一阶条件，找到一阶函数为0的时候相对应的变量值，这种也就是最优方案，如果利用数值的方法就可以通过梯度法或者是牛顿法最大程度接近最优解。在关于调度还有分配资源的问题当中，因为资源本身存在限制或者是技术达不到相关的要求，这个时候需要一个限制集。如果说每个节点本身的效用函数都表现为凸函数，且线性约束所形成的可行解结合本身是一个多面体，所以该模型是一个典型的凸优化模型，只需要做到局部最优解也就能达到全局最优解的效果。在求解的同时还需要将其分解成为无约束优化问题，只有通过这个步骤之后才能通过梯度法或者牛顿法对其进行迭代计算。 　　在通信网络当中因为资源配置表现出离散化，所以很多离散优化问题也派生出来。在网络当中最为常见的优化问题就是路由的选择问题。如果是单纯考虑到时延的问题则路由选择能够通过模型化方式变成一个最短的路径问题。 　　在一般情况下整数规划还有混合整数规划大多是因为NP-难的问题所引申出来的，这和模型本身的结构有一定关系。比较典型的问题就是通过图论技术在多项式时间里面得到最优解方案，诸如网络流的问题，最大流能够用在对有向传输网络当中，在链路容量被限制以及节点流需要遵守守恒原则之下对流量需求进行调度，尽全力让传输的流量总和达到最高需求。 　　二、 优化实施方案 　　根据优化算法的实施方案以空间以及时间为依据进行分类。以优化计算方法实施的部位不一样还可以再进一步进行划分，为集中式优化实施方案以及分布式优化实施方案。 　　集中式优化的方案在实施过程中需要的是一个集中控制器，在这个方案中能够以计算出来的优化结果作为依据，对任务进行分配以及对资源调度。分布式算法优化方案，在对问题进行求解的过程中是通过分布式的方案进行并完成的，在网络当中所有相关的节点都参与了优化，根据节点本身位置以及作用等决定优化过程的大小，通过节点进行必要信息传递工作，最后每一个节点都能够通过信息进行相关的调度与控制。 　　以优化算法实施的时间为依据，优化方案能够分为静态优化以及动态优化。静态优化在分析计算的过程中，所有参数都是锁定，不变的；动态优化在分析计算过程中是以网络运行状态为依据，对决策进行调整，因此在不同时问点都可能会有