同類熱銷排行榜

移動物聯網智能通信與計算

作者：寧兆龍//王小潔//董沛然|責編:邢建春
出版社：人民郵電
ISBN：9787115587305

出版日期：2022/07/01
裝幀：平裝
頁數：245

人民幣：RMB 159.8 元售價：元

內容大鋼

隨著物聯網、5G通信技術和大數據的發展，支持邊緣計算的終端設備的迅速普及與低時延高可靠通信需求的日益提升，傳統的資源管理與優化技術已經無法滿足移動物聯網用戶的多樣化需求。為提升移動網路通信容量以及推動移動通信系統可持續發展，本書對智能通信與計算融合技術進行了闡述，包括面向通信與計算融合的泛在智能網路、面向通信與計算融合的智能網路服務延伸和面向通信與計算融合的智能網路算力增強三個部分。
本書適合於通信工程、電腦科學和軟體工程專業的高年級本科生和研究生，以及從事IT領域的工程技術人員學習和參考。

作者介紹

寧兆龍//王小潔//董沛然|責編:邢建春

第1章  基於移動邊緣計算的動態服務遷移
  1.1  引言
  1.2  服務遷移模型
    1.2.1  服務執行效用
    1.2.2  服務遷移開銷
  1.3  問題描述
  1.4  基於移動邊緣計算的動態服務遷移演算法
    1.4.1  基於李雅普諾夫優化的隊列穩態
    1.4.2  基於採樣平均近似的未來效用估計
    1.4.3  基於馬爾可夫優化的動態服務部署
  1.5  實驗評估
    1.5.1  實驗環境及參數設置
    1.5.2  系統性能分析
第2章  面向普適邊緣計算的多智能體模仿學習：分散式計算卸載演算法
  2.1  引言
  2.2  系統模型和問題表述
    2.2.1  系統概述
    2.2.2  通信和計算模型
    2.2.3  問題公式化
  2.3  基於多智能體模仿學習的計算卸載演算法
    2.3.1  演算法概述
    2.3.2  隨機博弈公式
    2.3.3  優化問題轉化
    2.3.4  專家策略
    2.3.5  智能體策略
    2.3.6  演算法分析
  2.4  性能評價
    2.4.1  模擬設置
    2.4.2  模擬結果
第3章  關鍵信齡最小化：部分觀測下基於模仿學習的調度演算法
  3.1  引言
  3.2  系統模型與問題構建
    3.2.1  系統模型
    3.2.2  AoCI
    3.2.3  問題構建
  3.3  信息感知啟髮式演算法
    3.3.1  子問題轉換
    3.3.2  總體步驟
  3.4  基於模仿學習的調度演算法
    3.4.1  問題轉換
    3.4.2  通過模仿的信息更新調度
    3.4.3  基於模仿學習的調度
    3.4.4  理論分析
  3.5  性能評估
    3.5.1  模擬設置
    3.5.2  模擬結果
第4章  移動區塊鏈中集中式資源管理
  4.1  系統模型
  4.2  問題建模
  4.3  解決方案

  4.4  性能評估
    4.4.1  模擬參數設置
    4.4.2  模擬設計
    4.4.3  性能分析
第5章  基於移動邊緣計算的醫療物聯網健康監測
  5.1  引言
  5.2  動機
  5.3  醫療物聯網模型
    5.3.1  醫療重要性
    5.3.2  監測數據新鮮度
    5.3.3  監測能耗
  5.4  問題描述
    5.4.1  系統開銷最小化問題
    5.4.2  IWS子問題
    5.4.3  BWS子問題
  5.5  無線人體區域網內部合作博弈
  5.6  無線人體區域網外部非合作博弈
  5.7  實驗評估
    5.7.1  實驗環境及參數設置
    5.7.2  系統性能分析
第6章  基於5G無人機-社區的計算卸載：協同任務調度和路徑規劃
  6.1  系統模型
    6.1.1  通信模型
    6.1.2  計算模型
  6.2  問題描述
    6.2.1  問題概述
    6.2.2  約束分析
    6.2.3  問題描述
    6.2.4  問題轉化
  6.3  協同路徑規劃和任務調度
    6.3.1  基於社區的時間近似
    6.3.2  基於吞吐量最大化的拍賣
    6.3.3  動態任務調度
    6.3.4  性能分析
  6.4  性能評估
    6.4.1  模擬設置
    6.4.2  數值結果
第7章  智能交通系統中分散式資源管理
  7.1  系統模型
    7.1.1  終端層
    7.1.2  邊緣層
    7.1.3  遠端管理層
  7.2  問題建模
    7.2.1  用戶數據安全
    7.2.2  系統時延
    7.2.3  用戶效用
    7.2.4  問題公式化
  7.3  解決方案
    7.3.1  問題分解
    7.3.2  解決問題P7.1的基於深度強化學習的演算法

    7.3.3  解決問題P7.2′的交替方向乘子法演算法
    7.3.4  求解問題P7.3′的基於雙邊匹配的演算法
  7.4  性能評估
    7.4.1  模擬設置
    7.4.2  問題P7.1的性能
    7.4.3  問題P7.2′的性能
    7.4.4  問題P7.3′的性能
第8章  基於DRL的智能車聯網計算卸載方案
  8.1  動機
  8.2  貢獻
  8.3  系統模型
    8.3.1  模型概述
    8.3.2  微雲模型
    8.3.3  霧模型
    8.3.4  重定向模型
  8.4  問題描述
    8.4.1  優化目標
    8.4.2  流重定向
    8.4.3  卸載決策
  8.5  DRL概述
  8.6  基於DRL的卸載演算法
    8.6.1  流重定向
    8.6.2  最小化能耗的DRL
    8.6.3  複雜度分析
  8.7  性能評估
第9章  基於邊緣計算的5G車聯網部分卸載
  9.1  引言
  9.2  5G車聯網模型
    9.2.1  5G車聯網場景介紹
    9.2.2  卸載策略
    9.2.3  系統利潤函數
  9.3  問題描述
  9.4  部分卸載和自適應任務調度演算法
    9.4.1  傳輸調度策略
    9.4.2  最優卸載比率
    9.4.3  計算卸載服務定價
  9.5  實驗評估
    9.5.1  實驗環境及參數設置
    9.5.2  系統性能分析
第10章  遷移感知的智能車聯網聯合資源分配策略
  10.1  引言
  10.2  遷移感知的資源分配模型
    10.2.1  通信模型
    10.2.2  計算模型
    10.2.3  緩存模型
  10.3  問題描述
    10.3.1  效益函數
    10.3.2  目標函數
  10.4  基於DRL的資源分配演算法
    10.4.1  基於DRL的車聯網系統框架

    10.4.2  基於策略梯度的DRL演算法
  10.5  實驗評估
    10.5.1  實驗環境及參數設置
    10.5.2  收斂性分析
    10.5.3  系統性能分析
第11章  基於模仿學習的在線VEC任務調度
  11.1  引言
  11.2  系統模型與問題表述
    11.2.1  系統概述
    11.2.2  服務時延和能源消耗模型
    11.2.3  問題規劃
  11.3  基於模仿學習的任務調度演算法
    11.3.1  演算法概述
    11.3.2  SPV聚類
    11.3.3  專家模仿學習
    11.3.4  演算法分析
  11.4  性能評估
    11.4.1  模擬設置
    11.4.2  模擬結果
第12章  邊緣協同的IoV聯合資源分配策略
  12.1  引言
  12.2  邊緣協同資源分配模型
    12.2.1  通信模型
    12.2.2  計算模型
    12.2.3  緩存模型
    12.2.4  系統開銷
  12.3  問題描述
  12.4  在線邊緣協同卸載策略
    12.4.1  李雅普諾夫優化框架
    12.4.2  邊緣協同平衡演算法
  12.5  智能資源聯合分配策略
    12.5.1  分支定界優化框架
    12.5.2  基於模仿學習的分支定界演算法
  12.6  實驗評估
    12.6.1  實驗環境及參數設置
    12.6.2  系統性能分析
    12.6.3  時間複雜度分析
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

移動物聯網智能通信與計算