網絡及其應用的協同智能管控 宋彤雨 任婧 王雄等 9787115655691 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202503*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：網絡及其應用的協同智能管控
ISBN：9787115655691
出版社：人民郵電
著編譯者：宋彤雨 任婧 王雄等
頁數：192
所在地：中國大陸 *此為代購商品
書號：1724118
可大量預訂，請先連絡。

內容簡介

本書探討了深度學習技術在網絡及其應用的協同智能管控中的主要實踐範式。全書共分為7章。第1章為概述，介紹網絡資源管控模式的發展，分析網絡及其應用的協同需要解決的兩類問題及其挑戰，以及使用深度學習技術應對這些問題的方法，最後簡述深度學習在網絡資源管控中的已有工作。第2章針對DASH（Dynamic Adaptive Streaming over HTTP）業務中視頻碼率調整和帶寬資源分配聯合優化問題，介紹一種利用深度學習和監督學習框架的快速求解方案。第3章針對移動邊緣計算中任務卸載和計算資源分配聯合優化問題，介紹兩種基於深度學習和監督學習的快速求解方案。第4章針對移動增強現實業務中的計算資源動態分配問題，介紹一種利用單智能體深度強化學習的求解方案，智能體通過對網絡中計算資源的分配引導應用調整參數；針對移動增強現實業務中的應用層參數協同調整問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體協同進行應用層參數調整。第5章針對多聯盟鏈中路由和帶寬資源動態分配問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體先進行路由規劃，再由網絡層進行帶寬資源分配。第6章針對無線感測器網絡中的動態路由規劃問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體首先生成用於路由決策的元數據，然後由網絡層產生最終的路由方案。第7章對本書內容進行總結，並展望未來可能的研究方向。 本書適合從事網絡資源管控、網絡智能化技術研究和開發的讀者閱讀。

目錄

第1章 概述
1 1 網絡資源管控模式的發展
1 2 SDN為網絡及其應用的協同帶來的機遇
1 3 基於SDN的資源管控工作及其局限性
1 4 網絡及其應用的協同需要解決的兩類問題
1 4 1 網絡集中點和應用實體
1 4 2 網絡及其應用協同決策方法所呈現出的兩種主要問題形式
1 5 解決這兩類問題所面臨的挑戰與應對方法
1 5 1 利用深度學習發展複雜優化問題的快速求解方法
1 5 2 利用深度強化學習為複雜連續決策問題提供解決方案
1 6 深度學習在網絡資源管控中的已有工作
1 6 1 利用深度學習對網絡資源管控問題進行快速求解
1 6 2 基於深度強化學習的網絡資源管控方法
1 7 本書結構安排
參考文獻
第2章 DASH業務中視頻碼率調整和帶寬資源分配快速求解方案
2 1 研究背景與動機
2 2 聯合優化問題建模
2 3 聯合優化問題求解
2 3 1 GBD方法概述
2 3 2 基於GBD方法的JRA2問題求解方案
2 4 FAIR-AREA方案
2 4 1 基於深度學習的監督學習概述
2 4 2 FAIR-AREA方案的深度神經網絡設計
2 4 3 可行性保證算法
2 4 4 FAIR-AREA方案執行流程
2 5 FAIR-AREA方案性能評估
2 5 1 模擬環境設置
2 5 2 JRA2算法性能評估
2 5 3 FAIR-AREA方案性能測試
2 6 本章小結
參考文獻
第3章 MEC中任務卸載和計算資源分配快速求解方案
3 1 研究背景與動機
3 2 JTORA問題建模
3 3 JTORA問題求解
3 4 FAST-RAM方案
3 4 1 深度神經網絡設計
3 4 2 FAST-RAM方案執行流程
3 5 FAST-RAM方案性能評估
3 5 1 生成FAST-RAM方案所需數據集及DNN的訓練
3 5 2 FAST-RAM方案性能測試
3 6 JTORA-SA問題建模
3 7 ARM方案
3 7 1 計算資源分配問題的分解
3 7 2 快速求解BS-Color問題的DNN設計
3 7 3 快速求解TaskPlacement問題的DNN設計
3 7 4 ARM方案執行流程
3 8 ARM方案性能評估
3 8 1 生成ARM方案所需數據集及DNN的訓練
3 8 2 ARM方案性能測試
3 9 本章小結
參考文獻
第4章 MAR業務中計算資源分配和客戶端應用層參數調整動態決策方案
4 1 研究背景與動機
4 2 深度強化學習概述
4 2 1 單智能體深度強化學習算法
4 2 2 多智能體深度強化學習算法
4 3 移動增強現實系統概述
4 3 1 移動增強現實系統分析及工作流程
4 3 2 MAR客戶端的QoE建模
4 3 3 MEC伺服器計算資源分配算法的目標函數
4 4 DRAM方案
4 4 1 問題分析
4 4 2 DRAM方案設計
4 4 3 DRAM方案框架
4 5 DRAM方案性能評估
4 5 1 MAR客戶端啟髮式自適應算法
4 5 2 實驗設置
4 5 3 實驗結果分析
4 5 4 *參數對系統性能的影響
4 5 5 不同MAR服務持續時間下的DRAM方案的泛化性能
4 5 6 DRAM方案的魯棒性評估
4 6 COLLAR方案
4 6 1 兩種基於DRL的MAR客戶端應用層參數動態調整算法
4 6 2 基於多智能體DRL的應用層參數協同調整算法
4 7 COLLAR方案性能評估
4 7 1 模擬環境設置
4 7 2 COLLAR方案的總體性能表現
4 7 3 COLLAR方案中權重係數對性能的影響
4 7 4 COLLAR方案與DRAM方案性能對比
4 8 本章小結
參考文獻
第5章 多聯盟鏈中路由和帶寬資源分配動態決策方案
5 1 研究背景與動機
5 2 問題分析及建模
5 2 1 系統描述
5 2 2 BaaS支持下多聯盟鏈路由和帶寬資源分配問題的目標函數
5 2 3 Dec-POMDP建模
5 3 CO-CAST方案
5 3 1 路由決策方案
5 3 2 帶寬資源分配算法
5 4 CO-CAST方案性能評估
5 4 1 實驗設置
5 4 2 實驗測試結果
5 4 3 CO-CAST方案行為分析
5 4 4 不同超參數對CO-CAST方案性能的影響
5 5 本章小結
參考文獻
第6章 無線感測器網絡中動態路由規劃方案
6 1 研究背景與動機
6 2 相關工作
6 3 WSN中動態路由規劃問題建模
6 3 1 系統建模
6 3 2 問題建模
6 4 CO-NEXT方案
6 4 1 CO-NEXT問題分析及設計思路
6 4 2 CO-NEXT設計：DRL智能體設計
6 4 3 CO-NEXT設計：網絡集中點路由生成算法
6 4 4 CO-NEXT方案的整體流程
6 5 CO-NEXT方案性能評估
6 5 1 模擬環境設置
6 5 2 對比方案
6 5 3 對比方案性能分析
6 5 4 不同路由生成方案的性能對比
6 5 5 分層採樣中分層半徑大小對性能的影響
6 5 6 不同通信範圍對性能的影響
6 5 7 單智能體和多智能體方案性能對比
6 5 8 節點能量分析
6 6 本章小結
參考文獻
第7章 總結與展望
7 1 總結
7 2 展望
名詞索引

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。