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(QoS),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。

1 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。

1.1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。

障碍法为每一个不等式约束进行障碍函数的设计,只有满足了约束不等式的时候函数才会趋向于0,如果约束使得等号成立的时候则函数趋向于无穷,把障碍函数运用到原目标的函数当中,这是为了牛顿法的应用能够更加方便。