声明
致谢
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文的主要工作
1.4 论文组织结构
2 基于移动边缘计算的相关技术
2.1 移动边缘计算技术
2.2 服务迁移技术
2.3 Docker容器技术
2.3.1 容器技术介绍
2.3.2 Docker容器技术应用
2.4 深度强化学习
2.4.1 深度强化学习简介
2.4.2 马尔可夫决策过程
2.4.2 深度神经网络
2.4.2 Q-learning算法
2.4.2 深度强化学习的应用
2.5 本章小结
3 基于深度强化学习的服务迁移算法
3.1 移动边缘计算场景与服务迁移决策问题
3.1.1 基于移动边缘计算的服务迁移场景
3.1.2 基于移动边缘计算的服务迁移决策问题
3.2 服务迁移算法模型框架
3.3 算法参数调节与优化
3.4 算法性能评估与对比
3.4.1贪心算法和动态规划算法
3.4.1实验环境和实验过程
3.4.2实验结果分析
3.5 本章小结
4 移动边缘计算服务迁移系统设计
4.1 移动设备中服务迁移系统设计
4.1.1 深度强化学习子模块设计
4.1.2 环境状态参数获取模块设计
4.1.3 人脸识别子模块设计
4.2 服务器端服务迁移系统设计
4.2.1 服务发现子模块设计
4.2.2 人脸识别服务模块设计
4.2.3 Docker容器构建子模块设计
4.2.4 服务计算结果处理模块设计
4.3 本章小结
5 移动边缘计算服务迁移系统实现
5.1 移动设备端系统实现
5.1.1 深度强化学习模块实现
5.1.2 环境状态参数获取子模块实现
5.1.3 人脸识别服务模块实现
5.2 服务器端系统实现
5.2.1 服务发现模块实现
5.2.2 人脸识别系统服务器端实现
5.2.3 Docker容器构建模块实现
5.2.4 服务计算结果处理模块实现
5.3 真实环境实验设计及结果分析
5.3.1 自动部署功能测试
5.3.2 系统性能测试
5.3.3 实验结果分析
5.4 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简历
独创性声明
学位论文数据集
北京交通大学;