声明
摘要
表格
插图
算法
主要符号对照表
第一章 绪论
1.1 研究背景
1.2 基于云计算的网络系统架构
1.2.1 云计算和移动云计算
1.2.2 软件定义网络
1.3 研究动机和意义
1.4 研究现状
1.5 本文的工作
1.6 本文的结构
第二章 资源调度的随机优化理论
2.1 大偏差原理
2.2 Markov决策过程及Q学习
2.2.1 Markov决策过程
2.2.2 Q学习
第三章 资源管理与调度的系统设计
3.1 引言
3.2 相关工作
3.3 基于云计算和软件定义网络的资源管理系统设计
3.3.1 资源管理框架
3.3.2 资源管理框架的软件结构
3.3.3 自感知与自伸缩的资源调度优化
3.4 网络功能的组件化设计及应用
3.4.1 相关设计要点
3.5 原型系统和实验结果
3.5.1 原型系统
3.5.2 初步实验结果
3.6 小结
第四章 云环境下具有QoS保证的计算资源动态调度
4.1 引言
4.1.1 存在的问题及解决方案
4.2 相关工作
4.2.1 成本优化
4.2.2 SLA/QoS感知
4.2.3 其他
4.3 系统模型
4.3.1 系统架构
4.3.2 实例类型及价格模型
4.3.3 数学模型
4.4 具有QoS约束的动态实例配置策略
4.4.1 过载概率估计
4.4.2 在线估计πj
4.4.3 动态实例供应算法
4.5 基于自回归模型的联合资源配置策略
4.6 实验与性能评估
4.6.1 实验设置
4.6.2 性能指标
4.6.3 实验结果
4.7 小结
第五章 云环境下视频转码资源的动态调度
5.1 引言
5.2 相关工作
5.2.1 流媒体技术
5.2.2 视频转码
5.3 系统结构
5.3.1 转码视频缓存
5.3.2 视频切分
5.4 问题模型
5.5 转码资源动态配置策略
5.5.1 转码抖动概率估计
5.5.2 在线估计πj
5.5.3 转码资源动态配置算法
5.6 实验与性能评估
5.6,1 实验设置
5.6.2 性能指标
5.6.3 实验结果
5.7 讨论
5.8 小结
第六章 终端侧无线网络选择和上行数据调度的联合优化
6.1 引言
6.2 相关工作
6.2.1 计算任务卸载
6.2.2 数据传输调度
6.3 系统模型
6.3.1 系统架构
6.3.2 策略求解过程的卸载
6.3.3 数据队列
6.3.4 信道模型
6.4 基于CMDP的无线网络选择和上行数据调度的联合优化
6.4.1 状态空间
6.4.2 行动空间
6.4.3 性能准则及问题模型
6.4.4 拉格朗日方法
6.5 Q学习求解最优策略
6.5.1 拉格朗日乘子的最优值
6.6 实验与性能评估
6.6.1 实验设置
6.6.2 实验结果
6.7 小结
第七章 总结与展望
7.1 本文总结
7.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果
中国科学技术大学;