随着信息科学技术的迅猛发展和广泛应用,出现了大量反映现代科学技术发展方向的网络通信系统。在应用需求的推动下,网络通信系统的功能日益强大,结构日趋复杂,加上多种控制策略与随机变化的应用环境频繁交互,使得系统的动态行为更加复杂。网络通信系统的性能分析和优化为系统的设计提供依据,为系统的运行提供控制决策方案,在提高系统的运行效率和服务能力并提供服务质量保证方面发挥着关键的作用。在诸如系统与控制、运筹学、计算机科学及人工智能等领域,出现了众多用于研究随机动态系统性能与优化的方法。实际网络通信系统的复杂性与现有优化方法的局限性,是该研究领域所面临的挑战。如何更好地描述系统的特征并加以有效利用,探索新的优化方法,解决实际网络通信系统中存在的关键技术问题,是当前面临的重要理论和应用课题。本文研究旨在面向现代网络通信系统中的全新控制对象,探索有效的性能分析与优化方法。系统地提出事件驱动的具有层次化动态结构的半Markov切换空间控制过程,涉及到系统的建模、性能分析、基于事件的优化方法。通过对事件灵活定义和分类,并根据系统的动态特征,从状态空间上将系统划分为多个层级,使得模型的构建具有很高的灵活性、普适性和可扩展性,提高对实际系统的描述能力。采用事件驱动的控制策略,以减小策略空间,大幅度降低优化算法的计算复杂度,提高算法的实时性。利用事件驱动的策略特性及层次化的动态结构信息,来降低优化算法对系统参数信息的依赖,提高算法的自适应性。探索网络通信系统中一类关键技术问题的解决途径,如无线多媒体通信网的适应带宽配置、动态电源管理的策略优化、新一代网络媒体服务系统的建模与优化,为现代信息服务业提供低代价、高性能、可扩展、易管理的控制决策方案。通过对不同层级事件的定义,构造在事件驱动控制策略下系统的半Markov核和拟无穷小矩阵,定义了性能函数、切换代价以及优化的性能测度,提出了半Markov切换空间控制过程的模型。基于半Markov性能势,推导半Markov切换空间过程的Poisson方程,进而构造出事件驱动策略的灵敏度公式,包括性能梯度和性能差公式。对于确定型策略的优化,充分利用切换过程半Markov核和拟无穷小矩阵中包含的层次化动态结构信息,推导了事件驱动的切换控制策略的比较定理,摆脱策略迭代算法对转移概率信息的依赖,实现算法的自适应性;利用事件驱动的策略特性,放宽了策略迭代算法的适用性条件即行动不相关的前提,拓展了策略迭代算法的适用范围;通过依据事件进行性能势聚集,减少需要计算或估计的性能势数量,有效降低计算的复杂度和提高算法的实时性。在此基础上,提出了基于单样本轨道的在线自适应策略迭代算法,证明了算法的收敛性。对于随机型策略的优化,在性能梯度公式的基础上,结合性能势基于单样本轨道的表示形式,推导出平均性能测度关于事件驱动的切换控制策略的性能梯度基于单样本轨道的估计式,进而结合随机逼近算法,提出了基于策略梯度的在线自适应优化算法。利用事件驱动的策略特性,有效减小优化算法的计算量,摆脱对系统参数的依赖,提高算法的自适应性。系统的层次化动态结构使得基于梯度的算法能够收敛到全局最优。研究无线多媒体通信网的适应带宽配置,通过构建事件驱动的随机分析模型,将适应带宽配置问题转化为一个带约束的随机优化问题。在模型中,适应带宽配置和呼叫准入控制构成一个统一整体,考虑了各类业务的不同优先级,区分了新到达呼叫与越区切换呼叫。考虑三种重要的QoS指标作为约束,提出一种结合策略梯度估计和随机逼近的在线自适应优化算法。该算法充分利用事件驱动的策略特性,计算和评估只需在事件发生的时刻进行,并且不依赖于系统参数的信息,对环境的变化具有良好的适应性,能够保证收敛到全局最优值,有效求解多种QoS指标约束下的适应带宽配置问题。考虑动态电源管理的随机型策略和超时策略的优化问题,构建事件驱动的半Markov随机切换模型,通过刻画随机环境中动态电源管理系统所表现出的典型的层次化动态,对实时系统的动态提供了精确的描述。对应于随机型策略和超时策略,提出了两种在线自适应优化算法,充分利用事件驱动的策略特性及系统的层次化动态结构信息,实现了实际应用对算法的自适应性、计算实时性和有效性的需求。通过分析在随机型策略和超时策略控制下动态电源管理系统的稳态特性,揭示了这两种类型的电源管理策略在性能与功耗均衡上的等效性,推导出二者之间的等效关系。针对新一代网络媒体服务系统采用分层控制机制的特点,提出了一个三层级的半Markov切换空间控制过程的系统分析模型,为自适应资源部署、动态服务组合和用户请求调度提供了一个综合的性能分析和策略优化框架。提出一种基于动态文件分组的流媒体服务器集群负载均衡策略,充分利用流化服务器的缓存来缓解存储节点I/O带宽的瓶颈,通过提高缓存文件的访问命中率以减少从存储节点读取的频度,并通过均衡集群中各服务器的负载来提高系统资源的可用性。构建一个两层级的半Markov切换控制过程模型对动态文件分组策略进行性能分析,进而采用结合性能势估计和策略迭代的强化学习算法,实现系统和环境参数未知情况下的在线自适应策略优化,有效提高系统资源的利用率。