多雲計算與智能優化 王鵬偉 9787030759801 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202308*若逾兩年請先於私訊洽詢存貨情況，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：多雲計算與智能優化 ISBN：9787030759801 出版社：科學 著編譯者：王鵬偉 頁數：157 所在地：中國大陸 *此為代購商品 書號：1556866 可大量預訂，請先連絡。 內容簡介 本書主要介紹多雲計算相關的理論方法與關鍵技術。全書共分10章，分別介紹了多雲計算的發展背景、趨勢與挑戰，重點針對雲實例優化選擇與價格預測、數據的多雲優化存儲、複雜工作流的多雲優化調度等三個研究方向，介紹了一系列多雲計算與智能優化的關鍵技術和方法。 本書可供雲計算與分散式計算領域的研究人員參考。作者簡介 王鵬偉，男，博士，副教授。2013年博士畢業於同濟大學電子與信息工程學院，2015年于義大利比薩大學計算機科學系博士后出站，現於東華大學計算機科學與技術學院工作。主持國家自然科學基金青年項目等，入選上海市青年科技英才揚帆計劃等。在《IEEE Transactions on Services Computing》《IEEE Transactions on Systems， Man and Cybernetics》《IEEE Transactions on Automation Science and Engineering》等國內外重要刊物和會議文集上發表論文50餘篇。主要研究方向為服務計算、雲計算、網路大數據處理等。目錄 前言第1章 多雲計算概述 1 1 背景與發展趨勢 1 2 本書內容組織 1 3 本章小結 參考文獻 第2章 基於廣義笛卡兒積的雲實例選擇方法 2 1 引言 2 2 問題定義及假設 2 2 1 數學定義 2 2 2 數學假設 2 2 3 問題定義 2 3 演算法描述 2 3 1 完全Pareto集合的意義 2 3 2 完全Pareto集合和解空間的關係 2 3 3 階段一：完全Pareto集合生成演算法 2 3 4 階段二：最優選擇方案篩選演算法 2 4 實驗及其分析 2 4 1 實驗設置 2 4 2 實驗結果及分析 2 5 本章小結 參考文獻 第3章 基於改進遺傳演算法的雲實例選擇方法 3 1 引言 3 2 問題定義及假設 3 2 1 數學定義 3 2 2 數學假設 3 2 3 問題定義 3 3 演算法描述 3 3 1 基因表示方式 3 3 2 適應度函數 3 3 3 基因操作 3 3 4 基於改進遺傳演算法的雲實例選擇演算法 3 4 實驗及其分析 3 4 1 實驗設置 3 4 2 實驗結果及分析 3 5 本章小結 參考文獻 第4章 基於k近鄰回歸演算法的雲實例價格預測與選擇方法 4 1 引言 4 2 問題定義 4 3 演算法描述 4 3 1 距離度量 4 3 2 k-d樹的構建 4 3 3 k-d樹的搜索 4 3 4 基於kNN的競價實例價格預測 4 4 實驗及其分析 4 4 1 實驗設置 4 4 2 實驗結果及分析 4 5 本章小結 參考文獻 第5章 基於用戶需求的數據多雲優化存儲 5 1 引言 5 2 問題定義及模型 5 3 解決方法 5 4 實驗及其分析 5 4 1 數據集 5 4 2 存儲模式的變化 5 4 3 實驗結果及分析 5 5 本章小結 參考文獻 第6章 多雲環境下低成本高可用性的數據優化存儲 6 1 引言 6 2 雲存儲場景 6 3 多雲存儲的利弊 6 4 問題定義及模型 6 4 1 問題描述 6 4 2 問題定義 6 5 解決方法 6 5 1 多目標優化演算法 6 5 2 最優方案確定演算法 6 6 實驗及其分析 6 6 1 實驗設置 6 6 2 演算法評估 6 6 3 實B7販驗結果及分析 6 7 本章小結 參考文獻 第7章 多雲環境下動態的數據優化存儲 7 1 引言 7 2 場景示例及分析 7 2 1 動態的數據訪問頻率 7 2 2 異構的雲市場 7 2 3 討論 7 3 問題定義及模型 7 3 1 示意圖 7 3 2 問題定義 7 3 3 優化問題 7 4 解決方法 7 4 1 數據訪問頻率的預測 7 4 2 數據優化存儲 7 5 實驗及其分析 7 5 1 實驗設置 7 5 2 演算法評估 7 5 3 實驗結果及分析 7 6 本章小結 參考文獻 第8章 多雲環境下空間眾包數據的優化放置 8 1 引言 8 2 問題定義 8 3 模型方法 8 3 1 數據初始化放置策略 8 3 2 結合初始放置方案的遺傳演算法 8 3 3 複雜性分析 8 4 實驗及其分析 8 4 1 實驗設置 8 4 2 實驗結果及分析 8 5 本章小結 參考文獻 第9章 基於免疫機制的工作流優化調度 9 1 引言 9 2 調度模型和問題定義 9 2 1 調度模型 9 2 2 問題建模 9 3 基於免疫機制的粒子群優化演算法 9 3 1 粒子群演算法概述 9 3 2 免疫機制概述 9 3 3 提出的方法 9 4 實驗及其分析 9 4 1 實驗設置 9 4 2 實驗結果及分析 9 5 本章小結 參考文獻 第10章 基於集聚係數的工作流切片與優化調度 10 1 引言 10 2 示例場景與問題提出 10 3 用於工作流切片的集聚係數概述 10 4 基於集聚係數的工作流切片與優化調度框架 10 5 基於集聚係數的工作流切片 10 5 1 初步切片 10 5 2 基於集聚係數的工作流切片 10 6 基於切片的工作流調度 10 6 1 基於切片和遺傳演算法的工作流調度演算法 10 6 2 基於切片和IMPSO的工作流調度演算法 10 7 實驗及其分析 10 7 1 實驗設置 10 7 2 實驗結果及分析 10 8 本章小結 參考文獻 彩圖 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
