深度強(qiáng)化學(xué)習(xí)：云計(jì)算中作業(yè)與資源協(xié)同自適應(yīng)調(diào)度的理論及應(yīng)用

定　價(jià)：￥89.00

作　者：	彭志平
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥66.70)

ISBN：	9787302617389	出版時(shí)間：	2023-07-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本文圍繞兩個(gè)云工作流執(zhí)行過程中的關(guān)鍵步驟——云工作流任務(wù)分配和虛擬化資源供給，研究以容器為新型虛擬化基本單元的云計(jì)算環(huán)境下，以協(xié)同方式進(jìn)行多工作流自適應(yīng)調(diào)度的理論問題、關(guān)鍵技術(shù)和方法；在確保滿足用戶服務(wù)等級(jí)協(xié)議前提下，**程度實(shí)現(xiàn)云服務(wù)供需雙方的利益均衡。在多項(xiàng)國(guó)家自然科學(xué)基金項(xiàng)目、廣東省自然科學(xué)基金項(xiàng)目、廣東省科技計(jì)劃項(xiàng)目等課題的支持下，課題組長(zhǎng)期從事云計(jì)算關(guān)鍵技術(shù)、機(jī)器學(xué)習(xí)算法、多agent系統(tǒng)等領(lǐng)域的基礎(chǔ)理論和應(yīng)用研究，長(zhǎng)期的積累為本課題的研究打下堅(jiān)實(shí)的基礎(chǔ)，使解決本課題關(guān)鍵科學(xué)問題，完成預(yù)期成果具有較高的可行性。本項(xiàng)目研究成果可為相關(guān)科研領(lǐng)域人員提供參考和借鑒。

作者簡(jiǎn)介

　　彭志平博士，教授。廣東石油化工學(xué)院副校長(zhǎng)（2015-2021年），江門職業(yè)技術(shù)學(xué)院校長(zhǎng)（2021-今）。中國(guó)系統(tǒng)仿真學(xué)會(huì)智能仿真優(yōu)化與調(diào)度專委會(huì)常務(wù)委員，廣東省高等學(xué)校“千百十工程”省級(jí)培養(yǎng)對(duì)象。目前主要從事人工智能、智能系統(tǒng)等方向的科研與教學(xué)研究工作。作為負(fù)責(zé)人先后主持2項(xiàng)國(guó)家自然科學(xué)基金面上項(xiàng)目、1項(xiàng)廣東省應(yīng)用型科技研發(fā)專項(xiàng)重點(diǎn)項(xiàng)目及20多項(xiàng)企業(yè)技術(shù)攻關(guān)委托項(xiàng)目。先后獲得廣東省南粵優(yōu)秀教師、師德標(biāo)兵、廣東省精神文明建設(shè)先進(jìn)個(gè)人等榮譽(yù)稱號(hào)，獲得中國(guó)石油和化工自動(dòng)化應(yīng)用行業(yè)科技進(jìn)步一等獎(jiǎng)、省部級(jí)科技進(jìn)步獎(jiǎng)二等獎(jiǎng)、吳文俊人工智能科技進(jìn)步獎(jiǎng)各1項(xiàng)。在國(guó)內(nèi)外學(xué)術(shù)期刊上發(fā)表30余篇SCI檢索論文，30余篇EI檢索論文， 15項(xiàng)發(fā)明專利獲得授權(quán)。

圖書目錄

第1篇基礎(chǔ) 理論
第1章云計(jì)算概述
1.1云計(jì)算技術(shù)概述
1.1.1云計(jì)算的3種服務(wù)模式
1.1.2云計(jì)算的4種署模型
1.2云計(jì)算的核心技術(shù)
1.3云計(jì)算資源配置與任務(wù)調(diào)度模型
1.4云計(jì)算提出的挑戰(zhàn)
1.4.1虛擬化技術(shù)帶來的挑戰(zhàn)
1.4.2虛擬機(jī)資源和應(yīng)用系統(tǒng)參數(shù)提出的挑戰(zhàn)
1.4.3工作流任務(wù)和虛擬化資源進(jìn)行協(xié)同自適應(yīng)調(diào)度提出的挑戰(zhàn)
1.4.4資源利用率和服務(wù)等級(jí)協(xié)議提出的挑戰(zhàn)
第2章深度強(qiáng)化學(xué)概述
2.1深度卷積經(jīng)網(wǎng)絡(luò)
2.2強(qiáng)化學(xué)
2.3深度強(qiáng)化學(xué)
2.3.1DQN算法主要用到的關(guān)鍵技術(shù)
2.3.2DQN模型訓(xùn)練過程
第2篇云作業(yè)調(diào)度算法
第3章隨機(jī)作業(yè)化調(diào)度策略
3.1引言
3.2國(guó)內(nèi)外研究現(xiàn)狀
3.2.1理論分析
3.2.2能耗管理
3.2.3資源分配
3.3系統(tǒng)模型
3.3.1作業(yè)調(diào)度子模塊
3.3.2作業(yè)執(zhí)行子模塊
3.3.3作業(yè)傳輸子模塊
3.4基于強(qiáng)化學(xué)的作業(yè)調(diào)度算法
3.4.1強(qiáng)化學(xué)
3.4.2基于強(qiáng)化學(xué)的用戶作業(yè)調(diào)度算法
3.4.3狀態(tài)簡(jiǎn)約
3.5性能評(píng)估
3.5.1云平臺(tái)實(shí)驗(yàn)驗(yàn)證
3.5.2真實(shí)云平臺(tái)實(shí)驗(yàn)驗(yàn)證
3.6小結(jié)
第4章混合作業(yè)調(diào)度機(jī)制
4.1引言
4.2國(guó)內(nèi)外發(fā)展現(xiàn)狀
4.2.1靜態(tài)調(diào)度法
4.2.2動(dòng)態(tài)調(diào)度法
4.2.3混合調(diào)度法
4.2.4局限性分析
4.3云平臺(tái)模型
4.4混合作業(yè)調(diào)度算法
4.5基于強(qiáng)化學(xué)的混合作業(yè)調(diào)度算法
4.6實(shí)驗(yàn)結(jié)果與分析
4.7小結(jié)
第5章基于多智能體系統(tǒng)的云工作流作業(yè)化調(diào)度
5.1研究背景
5.2相關(guān)工作
5.3系統(tǒng)模型
5.3.1云工作流系統(tǒng)
5.3.2云工作流模型組件介紹
5.4基于多智能體系統(tǒng)的粒子群遺傳化算法
5.4.1粒子群化算法
5.4.2云工作流環(huán)境下的粒子群算法
5.4.3多智能體系統(tǒng)下粒子群的自組織模型
5.4.4MASPSOGA算法步驟
5.5算法與分析
5.5.1實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置
5.5.2實(shí)驗(yàn)結(jié)果及分析
5.6小結(jié)
第6章基于深度強(qiáng)化學(xué)的云環(huán)境下的多資源云作業(yè)調(diào)度策略
6.1引言
6.2系統(tǒng)模型及表示
6.3算法說明與偽代碼
6.4實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
6.5實(shí)驗(yàn)結(jié)果與分析
6.6小結(jié)
第7章基于深度強(qiáng)化學(xué)的多數(shù)據(jù)中心云作業(yè)調(diào)度
7.1引言
7.2系統(tǒng)模型
7.3作業(yè)調(diào)度
7.4實(shí)驗(yàn)平臺(tái)設(shè)計(jì)
7.5實(shí)驗(yàn)及結(jié)果分析
7.6小結(jié)
第3篇虛擬化資源調(diào)度
第8章基于強(qiáng)化學(xué)的云計(jì)算資源分配研究
8.1引言
8.2研究現(xiàn)狀
8.3系統(tǒng)模型
8.3.1云計(jì)算平臺(tái)架構(gòu)
8.3.2作業(yè)響應(yīng)時(shí)間
8.3.3分段SLA
8.3.4有效單位時(shí)間花費(fèi)
8.4基于強(qiáng)化學(xué)的云資源調(diào)度機(jī)制
8.4.1相關(guān)概念
8.4.2基于基本強(qiáng)化學(xué)的資源調(diào)度算法
8.4.3化的資源分配策略
8.5實(shí)驗(yàn)結(jié)果
8.5.1云平臺(tái)驗(yàn)證
8.5.2真實(shí)云平臺(tái)上進(jìn)行性能驗(yàn)證
8.6小結(jié)
第9章基于DQN的多目標(biāo)化的資源調(diào)度框架
9.1引言
9.2國(guó)內(nèi)外發(fā)展現(xiàn)狀
9.2.1基于啟發(fā)式算法的資源調(diào)度研究
9.2.2基于強(qiáng)化學(xué)的資源調(diào)度研究
9.2.3基于深度強(qiáng)化學(xué)的資源調(diào)度研究
9.3系統(tǒng)模型
9.3.1作業(yè)負(fù)載層
9.3.2調(diào)度控制層
9.3.3數(shù)據(jù)中心層
9.4問題分析
9.4.1用戶作業(yè)負(fù)載模型
9.4.2能源消耗模型
9.4.3數(shù)學(xué)描述
9.5算法說明與偽代碼
9.6實(shí)驗(yàn)與結(jié)果分析
9.6.1實(shí)驗(yàn)步驟和參數(shù)設(shè)置
9.6.2實(shí)驗(yàn)結(jié)果與分析
9.7小結(jié)
第10章容器云環(huán)境虛擬資源配置策略的化
10.1引言
10.2容器云資源配置
10.2.1虛擬機(jī)資源配置
10.2.2容器資源配置
10.2.3虛擬機(jī)/容器遷移
10.3問題描述與數(shù)學(xué)建模
10.3.1問題描述
10.3.2數(shù)據(jù)中心的能耗模型
10.4主機(jī)選擇策略及改進(jìn)
10.4.1常用物理機(jī)選擇策略
10.4.2物理機(jī)選擇策略的改進(jìn)
10.4.3算法的復(fù)雜度分析
10.5實(shí)驗(yàn)結(jié)果及分析
10.5.1實(shí)驗(yàn)環(huán)境
10.5.2實(shí)驗(yàn)場(chǎng)景
10.6小結(jié)
第11章兩段虛擬資源協(xié)同自適應(yīng)調(diào)度
11.1引言
11.2國(guó)內(nèi)外發(fā)展現(xiàn)狀
11.2.1靜態(tài)調(diào)度法
11.2.2動(dòng)態(tài)調(diào)度法
11.2.3混合調(diào)度法
11.2.4局限性分析
11.3系統(tǒng)模型
11.3.1虛擬機(jī)租用段系統(tǒng)子模型
11.3.2虛擬機(jī)使用段系統(tǒng)子模型
11.4數(shù)據(jù)中心選擇算法
11.4.1深度強(qiáng)化學(xué)
11.4.2虛擬機(jī)租用段的數(shù)據(jù)中心選擇
11.4.3虛擬機(jī)租用段的數(shù)據(jù)中心選擇算法
11.4.4虛擬機(jī)使用段的數(shù)據(jù)中心選擇
11.4.5虛擬機(jī)使用段的數(shù)據(jù)中心選擇算法
11.5實(shí)驗(yàn)驗(yàn)證
11.5.1虛擬機(jī)租用段實(shí)驗(yàn)結(jié)果與分析
11.5.2虛擬機(jī)使用段實(shí)驗(yàn)結(jié)果與分析
11.6小結(jié)
第4篇云作業(yè)和虛擬化資源協(xié)同自適應(yīng)調(diào)度
第12章基于異構(gòu)分布式深度學(xué)的云任務(wù)調(diào)度與資源配置框架
12.1引言
12.2系統(tǒng)框架與問題闡述
12.2.1系統(tǒng)框架
12.2.2問題闡述
12.3異構(gòu)分布式深度學(xué)模型
12.4實(shí)驗(yàn)與結(jié)果分析
12.4.1實(shí)驗(yàn)設(shè)計(jì)與參數(shù)說明
12.4.2網(wǎng)絡(luò)模型驗(yàn)證實(shí)驗(yàn)
12.4.3算法比較實(shí)驗(yàn)
12.5小結(jié)
第13章云工作流任務(wù)與虛擬化資源協(xié)同自適應(yīng)調(diào)度機(jī)制
13.1引言
13.2自適應(yīng)協(xié)同調(diào)度研究現(xiàn)狀及其局限性分析
13.3系統(tǒng)模型
13.4多智能體社會(huì)下工作流任務(wù)與虛擬化虛擬機(jī)資源自適應(yīng)調(diào)度機(jī)制
13.5多智能體社會(huì)下工作流任務(wù)與虛擬化虛擬機(jī)資源協(xié)同調(diào)度機(jī)制
13.6實(shí)驗(yàn)驗(yàn)證
13.7小結(jié)

參考文獻(xiàn)