面向云：邊協(xié)同計算的資源管理技術(shù)

定　價：￥129.00

作　者：	陳星林兵陳哲毅
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥96.70)

ISBN：	9787302625551	出版時間：	2023-07-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　隨著通信技術(shù)和硬件技術(shù)的快速發(fā)展以及移動設備的普及，云計算和邊緣計算的資源管理問題在工業(yè)界和學術(shù)界都引起了廣泛的關(guān)注。為滿足相關(guān)研究人員的參考需求，作者編著了《面向云-邊協(xié)同計算的資源管理技術(shù)》》，主要介紹云-邊協(xié)同資源管理相關(guān)理論和研究，幫助讀者了解云-邊協(xié)同資源管理問題和解決方法?！睹嫦蛟?邊協(xié)同計算的資源管理技術(shù)》》呈現(xiàn)了以下理論、技術(shù)與應用：云計算；邊緣計算；云-邊協(xié)同；資源管理使能機制；資源自適應管理方法。

作者簡介

　　陳星福州大學教授，博士生導師，福州大學計算機與大數(shù)據(jù)學院副院長。本碩博畢業(yè)于北京大學。目前主要研究軟件工程、系統(tǒng)軟件等。主持國家自然科學基金、國家重點研發(fā)計劃子課題等4項國家級項目。在國內(nèi)外學術(shù)期刊發(fā)表50余篇論文，授權(quán)10件國家發(fā)明專利。林兵福建師范大學副教授，碩士生導師，福建師范大學物理與能源學院系副主任。本碩博畢業(yè)于福州大學。目前主要研究計算智能、工作流調(diào)度等技術(shù)。主持和參與國家自然科學基金、福建省自然科學基金等項目共5項。在國內(nèi)外學術(shù)期刊上發(fā)表30余篇論文，授權(quán)6件國家發(fā)明專利。陳哲毅福州大學計算機與大數(shù)據(jù)學院碩士生導師，福建省網(wǎng)絡計算與智能信息處理重點實驗室副主任，入選福州大學“旗山學者”（海外項目）。主要研究方向包括機器學習、資源優(yōu)化等。

圖書目錄

第1章概述
1．1研究背景與意義
1．2國內(nèi)外研究現(xiàn)狀
1．2．1云計算
1．2．2云邊協(xié)同計算
1．2．3資源自適應管理
1．3主要內(nèi)容和結(jié)構(gòu)安排
第2章面向云邊協(xié)同計算的資源管理使能機制
2．1基于運行時軟件體系結(jié)構(gòu)模型的混合云平臺管理方法
2．1．1引言
2．1．2相關(guān)工作
2．1．3方法概覽
2．1．4云計算平臺運行時模型的構(gòu)造方法
2．1．5云平臺軟件體系結(jié)構(gòu)的統(tǒng)一模型
2．1．6統(tǒng)一模型到單一云平臺運行時模型的映射方法
2．1．7實驗與評估
2．1．8總結(jié)
2．2基于成本估算的Android應用計算卸載方法
2．2．1引言
2．2．2相關(guān)工作
2．2．3方法概覽
2．2．4計算遷移在線決策方法建模
2．2．5決策模型
2．2．6實驗與評估
2．2．7總結(jié)
2．3基于情境感知的移動云計算環(huán)境下的計算卸載方法
2．3．1引言
2．3．2相關(guān)工作
2．3．3方法概覽
2．3．4計算遷移設計模式
2．3．5評估模型
2．3．6實驗與評估
2．3．7總結(jié)
2．4移動邊緣環(huán)境下面向Android應用的計算卸載方法
2．4．1引言
2．4．2相關(guān)工作
2．4．3方法概覽
2．4．4計算遷移的設計模式
2．4．5計算遷移的評估模型
2．4．6計算遷移自適應中間件的實現(xiàn)
2．4．7實驗與評估
2．4．8總結(jié)
2．5移動邊緣環(huán)境下面向DNN應用的計算卸載方法
2．5．1引言
2．5．2相關(guān)工作
2．5．3方法概覽
2．5．4卸載機制的設計模式
2．5．5卸載方案的評估模型
2．5．6實驗與評估
2．5．7總結(jié)
第3章面向云計算的資源自適應管理方法
3．1基于機器學習的云軟件服務資源分配方法
3．1．1引言
3．1．2相關(guān)工作
3．1．3問題模型
3．1．4基于機器學習的資源分配方法
3．1．5基于機器學習和自校正的資源分配方法
3．1．6實驗與評估
3．1．7總結(jié)
3．2基于迭代QoS模型的云軟件服務資源自適應管理框架
3．2．1引言
3．2．2相關(guān)工作
3．2．3云軟件服務資源管理問題形式化
3．2．4基于迭代QoS模型的資源自適應管理方法
3．2．5實驗與評估
3．2．6總結(jié)
3．3基于預測反饋控制和強化學習的云軟件服務資源分配方法
3．3．1引言
3．3．2相關(guān)工作
3．3．3云軟件服務資源管理問題形式化
3．3．4基于簡單DQN的資源分配預測方法
3．3．5基于強化學習的預測反饋控制方法
3．3．6實驗與評估
3．3．7總結(jié)
3．4面向負載時間窗口的云軟件服務資源分配方法
3．4．1引言
3．4．2相關(guān)工作
3．4．3問題模型
3．4．4算法
3．4．5實驗與評估
3．4．6總結(jié)
3．5混合云環(huán)境下代價驅(qū)動的工作流應用任務調(diào)度方法
3．5．1引言
3．5．2相關(guān)工作
3．5．3問題模型
3．5．4pre_CSPCPM調(diào)度算法
3．5．5實驗與評估
3．5．6總結(jié)
3．6混合云環(huán)境下代價驅(qū)動的大數(shù)據(jù)應用任務調(diào)度方法
3．6．1引言
3．6．2相關(guān)工作
3．6．3相關(guān)算法
3．6．4ADPSOGA調(diào)度算法
3．6．5實驗與評估
3．6．6總結(jié)
3．7混合云環(huán)境下資源利用率和代價雙目標驅(qū)動的工作流應用任務調(diào)度方法
3．7．1引言
3．7．2相關(guān)工作
3．7．3問題模型
3．7．4OWSA2CI調(diào)度算法
3．7．5實驗與評估
3．7．6總結(jié)
3．8混合云環(huán)境下代價驅(qū)動的多工作流應用在線任務調(diào)度方法
3．8．1引言
3．8．2相關(guān)工作
3．8．3問題模型
3．8．4OMLFHP調(diào)度算法
3．8．5實驗與評估
3．8．6總結(jié)
第4章面向云邊協(xié)同計算的資源自適應管理方法
4．1云邊協(xié)同環(huán)境下時間驅(qū)動的工作流應用數(shù)據(jù)布局方法
4．1．1引言
4．1．2相關(guān)工作
4．1．3問題模型
4．1．4算法
4．1．5實驗與評估
4．1．6總結(jié)
4．2云邊協(xié)同環(huán)境下代價驅(qū)動的工作流應用任務調(diào)度方法
4．2．1引言
4．2．2相關(guān)工作
4．2．3問題模型
4．2．4相關(guān)算法
4．2．5實驗與評估
4．2．6總結(jié)
4．3云邊端協(xié)同環(huán)境下代價驅(qū)動的DNN應用計算卸載任務調(diào)度方法
4．3．1引言
4．3．2相關(guān)概念與關(guān)鍵技術(shù)
4．3．3DNN應用計算遷移問題定義
4．3．4面向成本優(yōu)化的DNN應用計算遷移決策技術(shù)
4．3．5面向能耗優(yōu)化的DNN應用計算遷移決策技術(shù)
4．3．6實驗與評估
4．3．7總結(jié)
4．4移動邊緣環(huán)境下基于預測反饋控制和強化學習的多邊緣協(xié)同負載均衡
方法
4．4．1引言
4．4．2相關(guān)工作
4．4．3問題模型
4．4．4相關(guān)算法
4．4．5實驗與評估
4．4．6總結(jié)
參考文獻