互联网
类型
可以朗读
语音朗读
164千字
字数
2022-07-01
发行日期
展开全部
主编推荐语
本书对智能通信与计算融合技术进行了阐述。
内容简介
本书共分为12章，涉及的内容包括三部分。
第一部分是面向通信与计算融合的泛在智能网络，包括：第1章基于移动边缘计算的动态服务迁移，第2章面向普适边缘计算的多智能体模仿学习：分布式计算卸载算法，第3章关键信龄最小化：部分观测下基于模仿学习的调度算法和第4章移动区块链中集中式资源管理。
第二部分是面向通信与计算融合的智能网络服务延伸，包括：第5章基于移动边缘计算的医疗物联网健康监测，第6章基于5G无人机-社区的计算卸载：协同任务调度和路径规划，第7章智能交通系统中分布式资源管理和第8章基于DRL的智能车联网计算卸载方案。
第三部分是面向通信与计算融合的智能网络算力增强，包括：第9章基于边缘计算的5G车联网部分卸载，第10章迁移感知的智能车联网联合资源分配策略，第11章基于模仿学习的在线VEC任务调度和第12章边缘协同的IoV联合资源分配策略。
目录
- 版权信息
- 内容提要
- 前言
- 第1章 基于移动边缘计算的动态服务迁移
- 1.1 引言
- 1.2 服务迁移模型
- 1.2.1 服务执行效用
- 1.2.2 服务迁移开销
- 1.3 问题描述
- 1.4 基于移动边缘计算的动态服务迁移算法
- 1.4.1 基于李雅普诺夫优化的队列稳态
- 1.4.2 基于采样平均近似的未来效用估计
- 1.4.3 基于马尔可夫优化的动态服务部署
- 1.5 实验评估
- 1.5.1 实验环境及参数设置
- 1.5.2 系统性能分析
- 第2章 面向普适边缘计算的多智能体模仿学习：分布式计算卸载算法
- 2.1 引言
- 2.2 系统模型和问题表述
- 2.2.1 系统概述
- 2.2.2 通信和计算模型
- 2.2.3 问题公式化
- 2.3 基于多智能体模仿学习的计算卸载算法
- 2.3.1 算法概述
- 2.3.2 随机博弈公式
- 2.3.3 优化问题转化
- 2.3.4 专家策略
- 2.3.5 智能体策略
- 2.3.6 算法分析
- 2.4 性能评价
- 2.4.1 仿真设置
- 2.4.2 仿真结果
- 第3章 关键信龄最小化：部分观测下基于模仿学习的调度算法
- 3.1 引言
- 3.2 系统模型与问题构建
- 3.2.1 系统模型
- 3.2.2 AoCI
- 3.2.3 问题构建
- 3.3 信息感知启发式算法
- 3.3.1 子问题转换
- 3.3.2 总体步骤
- 3.4 基于模仿学习的调度算法
- 3.4.1 问题转换
- 3.4.2 通过模仿的信息更新调度
- 3.4.3 基于模仿学习的调度
- 3.4.4 理论分析
- 3.5 性能评估
- 3.5.1 仿真设置
- 3.5.2 仿真结果
- 第4章 移动区块链中集中式资源管理
- 4.1 系统模型
- 4.2 问题建模
- 4.3 解决方案
- 4.4 性能评估
- 4.4.1 仿真参数设置
- 4.4.2 仿真设计
- 4.4.3 性能分析
- 第5章 基于移动边缘计算的医疗物联网健康监测
- 5.1 引言
- 5.2 动机
- 5.3 医疗物联网模型
- 5.3.1 医疗重要性
- 5.3.2 监测数据新鲜度
- 5.3.3 监测能耗
- 5.4 问题描述
- 5.4.1 系统开销最小化问题
- 5.4.2 IWS子问题
- 5.4.3 BWS子问题
- 5.5 无线人体局域网内部合作博弈
- 5.6 无线人体局域网外部非合作博弈
- 5.7 实验评估
- 5.7.1 实验环境及参数设置
- 5.7.2 系统性能分析
- 第6章 基于5G无人机-社区的计算卸载：协同任务调度和路径规划
- 6.1 系统模型
- 6.1.1 通信模型
- 6.1.2 计算模型
- 6.2 问题描述
- 6.2.1 问题概述
- 6.2.2 约束分析
- 6.2.3 问题描述
- 6.2.4 问题转化
- 6.3 协同路径规划和任务调度
- 6.3.1 基于社区的时间近似
- 6.3.2 基于吞吐量最大化的拍卖
- 6.3.3 动态任务调度
- 6.3.4 性能分析
- 6.4 性能评估
- 6.4.1 仿真设置
- 6.4.2 数值结果
- 第7章 智能交通系统中分布式资源管理
- 7.1 系统模型
- 7.1.1 终端层
- 7.1.2 边缘层
- 7.1.3 远端管理层
- 7.2 问题建模
- 7.2.1 用户数据安全
- 7.2.2 系统时延
- 7.2.3 用户效用
- 7.2.4 问题公式化
- 7.3 解决方案
- 7.3.1 问题分解
- 7.3.2 解决问题P7.1的基于深度强化学习的算法
- 7.3.3 解决问题P7.2′的交替方向乘子法算法
- 7.3.4 求解问题P7.3′的基于双边匹配的算法
- 7.4 性能评估
- 7.4.1 仿真设置
- 7.4.2 问题P7.1的性能
- 7.4.3 问题P7.2′的性能
- 7.4.4 问题P7.3′的性能
- 第8章 基于DRL的智能车联网计算卸载方案
- 8.1 动机
- 8.2 贡献
- 8.3 系统模型
- 8.3.1 模型概述
- 8.3.2 微云模型
- 8.3.3 雾模型
- 8.3.4 重定向模型
- 8.4 问题描述
- 8.4.1 优化目标
- 8.4.2 流重定向
- 8.4.3 卸载决策
- 8.5 DRL概述
- 8.6 基于DRL的卸载算法
- 8.6.1 流重定向
- 8.6.2 最小化能耗的DRL
- 8.6.3 复杂度分析
- 8.7 性能评估
- 第9章 基于边缘计算的5G车联网部分卸载
- 9.1 引言
- 9.2 5G车联网模型
- 9.2.1 5G车联网场景介绍
- 9.2.2 卸载策略
- 9.2.3 系统利润函数
- 9.3 问题描述
- 9.4 部分卸载和自适应任务调度算法
- 9.4.1 传输调度策略
- 9.4.2 最优卸载比率
- 9.4.3 计算卸载服务定价
- 9.5 实验评估
- 9.5.1 实验环境及参数设置
- 9.5.2 系统性能分析
- 第10章 迁移感知的智能车联网联合资源分配策略
- 10.1 引言
- 10.2 迁移感知的资源分配模型
- 10.2.1 通信模型
- 10.2.2 计算模型
- 10.2.3 缓存模型
- 10.3 问题描述
- 10.3.1 效益函数
- 10.3.2 目标函数
- 10.4 基于DRL的资源分配算法
- 10.4.1 基于DRL的车联网系统框架
- 10.4.2 基于策略梯度的DRL算法
- 10.5 实验评估
- 10.5.1 实验环境及参数设置
- 10.5.2 收敛性分析
- 10.5.3 系统性能分析
- 第11章 基于模仿学习的在线VEC任务调度
- 11.1 引言
- 11.2 系统模型与问题表述
- 11.2.1 系统概述
- 11.2.2 服务时延和能源消耗模型
- 11.2.3 问题规划
- 11.3 基于模仿学习的任务调度算法
- 11.3.1 算法概述
- 11.3.2 SPV聚类
- 11.3.3 专家模仿学习
- 11.3.4 算法分析
- 11.4 性能评估
- 11.4.1 仿真设置
- 11.4.2 仿真结果
- 第12章 边缘协同的IoV联合资源分配策略
- 12.1 引言
- 12.2 边缘协同资源分配模型
- 12.2.1 通信模型
- 12.2.2 计算模型
- 12.2.3 缓存模型
- 12.2.4 系统开销
- 12.3 问题描述
- 12.4 在线边缘协同卸载策略
- 12.4.1 李雅普诺夫优化框架
- 12.4.2 边缘协同平衡算法
- 12.5 智能资源联合分配策略
- 12.5.1 分支定界优化框架
- 12.5.2 基于模仿学习的分支定界算法
- 12.6 实验评估
- 12.6.1 实验环境及参数设置
- 12.6.2 系统性能分析
- 12.6.3 时间复杂度分析
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
