针对大规模分布式计算系统中的资源调度问题，本文提出一种基于马尔科夫决策过程(Markov decision process, MDP)的资源调度优化方法。该方法首先对系统状态进行建模，结合任务执行过程中的动态变化，利用MDP的决策机制优化资源调度策略。通过构建状态空间、动作空间以及奖励函数，系统根据实时反馈动态调整资源分配方案。结果表明：MDP能够有效平衡系统负载，避免系统资源过度消耗，同时提高任务执行效率。与传统的轮询调度、最短作业优先和先来先服务算法相比，基于MDP的资源调度方法在资源利用、任务延迟以及系统负载平衡方面表现出显著的优势。该优化策略为复杂业务环境中的资源调度提供了一种更为高效的解决方案。