[
-
内容大纲
本书汇集了作者近年来在云计算作业分配、虚拟化资源调度、云作业和资源协同自适应调度、强化学习和深度强化学习理论等方面的研究成果，同时介绍了在云计算中用户作业分配和虚拟化资源调度的一些基本原理和主要方法。
全书共分为4篇：第1篇基础理论（第1章和第2章），介绍了云计算和深度强化学习的基本理论；第2篇云作业调度算法（第3～7章），介绍了云计算环境下的随机作业优化调度策略、混合作业调度机制、基于多智能体系统的云工作流作业优化调度、基于深度强化学习的云环境下的多资源云作业调度策略、基于深度强化学习的多数据中心云作业调度；第3篇虚拟化资源调度（第8～11章），介绍了基于强化学习的云计算资源分配研究、基于DQN的多目标优化的资源调度框架、容器云环境虚拟资源配置策略的优化、两阶段虚拟资源协同自适应调度；第4篇云作业和虚拟化资源协同自适应调度（第12章和第13章），介绍了基于异构分布式深度学习的云任务调度与资源配置框架、云工作流任务与虚拟化资源协同自适应调度机制。
本书可作为计算机类专业学生的参考书，同时对从事云计算中作业与虚拟化资源协同自适应调度的理论及应用技术研究、开发和应用的科技人员也具有一定的参考价值。 -
作者介绍
彭志平，工学博士，教授，中国仿真学会智能仿真优化与调度专委会常务委员、中国自动化学会技术过程的故障诊断与安全性专业委员会委员，长期从事人工智能、智能系统等方向的研究。近年来主持国家自然科学基金项目3项、广东省应用型科技研发重点项目1项、其他省部级项目和企业委托技术攻关项目近20项，在/EEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cloud Computing等发表学术论文近100篇，获省部级科技成果奖7项，授权发明专利27件。已培养研究生15人。曾获广东省南粤优秀教师、广东省师德标兵等荣誉称号。 -
目录
第1篇 基础理论
第1章 云计算概述
1.1 云计算技术概述
1.1.1 云计算的3种服务模式
1.1.2 云计算的4种部署模型
1.2 云计算的核心技术
1.3 云计算资源配置与任务调度模型
1.4 云计算提出的挑战
1.4.1 虚拟化技术带来的挑战
1.4.2 虚拟机资源和应用系统参数提出的挑战
1.4.3 工作流任务和虚拟化资源进行协同自适应调度提出的挑战
1.4.4 资源利用率和服务等级协议提出的挑战
第2章 深度强化学习概述
2.1 深度卷积神经网络
2.2 强化学习
2.3 深度强化学习
2.3.1 DQN算法主要用到的关键技术
2.3.2 DQN模型训练过程
第2篇 云作业调度算法
第3章 随机作业优化调度策略
3.1 引言
3.2 国内外研究现状
3.2.1 理论分析
3.2.2 能耗管理
3.2.3 资源分配
3.3 系统模型
3.3.1 作业调度子模块
3.3.2 作业执行子模块
3.3.3 作业传输子模块
3.4 基于强化学习的作业调度算法
3.4.1 强化学习
3.4.2 基于强化学习的用户作业调度算法
3.4.3 状态简约
3.5 性能评估
3.5.1 仿真云平台实验验证
3.5.2 真实云平台实验验证
3.6 小结
第4章 混合作业调度机制
4.1 引言
4.2 国内外发展现状
4.2.1 静态调度法
4.2.2 动态调度法
4.2.3 混合调度法
4.2.4 局限性分析
4.3 云平台模型
4.4 混合作业调度算法
4.5 基于强化学习的混合作业调度算法
4.6 实验结果与分析
4.7 小结
第5章 基于多智能体系统的云工作流作业优化调度
5.1 研究背景
5.2 相关工作
5.3 系统模型
5.3.1 云工作流系统
5.3.2 云工作流模型组件介绍
5.4 基于多智能体系统的粒子群遗传优化算法
5.4.1 粒子群优化算法
5.4.2 云工作流环境下的粒子群算法
5.4.3 多智能体系统下粒子群的自组织模型
5.4.4 MASPSOGA算法步骤
5.5 算法仿真与分析
5.5.1 实验数据和参数设置
5.5.2 实验结果及分析
5.6 小结
第6章 基于深度强化学习的云环境下的多资源云作业调度策略
6.1 引言
6.2 系统模型及表示
6.3 算法说明与伪代码
6.4 实验环境与参数设置
6.5 实验结果与分析
6.6 小结
第7章 基于深度强化学习的多数据中心云作业调度
7.1 引言
7.2 系统模型
7.3 作业调度
7.4 仿真实验平台设计
7.5 仿真实验及结果分析
7.6 小结
第3篇 虚拟化资源调度
第8章 基于强化学习的云计算资源分配研究
8.1 引言
8.2 研究现状
8.3 系统模型
8.3.1 云计算平台架构
8.3.2 作业响应时间
8.3.3 分段SLA
8.3.4 有效单位时间花费
8.4 基于强化学习的云资源调度机制
8.4.1 相关概念
8.4.2 基于基本强化学习的资源调度算法
8.4.3 优化的资源分配策略
8.5 实验结果
8.5.1 仿真云平台验证
8.5.2 真实云平台上进行性能验证
8.6 小结
第9章 基于DQN的多目标优化的资源调度框架
9.1 引言
9.2 国内外发展现状
9.2.1 基于启发式算法的资源调度研究
9.2.2 基于强化学习的资源调度研究
9.2.3 基于深度强化学习的资源调度研究
9.3 系统模型
9.3.1 作业负载层
9.3.2 调度控制层
9.3.3 数据中心层
9.4 问题分析
9.4.1 用户作业负载模型
9.4.2 能源消耗模型
9.4.3 数学描述
9.5 算法说明与伪代码
9.6 仿真实验与结果分析
9.6.1 实验步骤和参数设置
9.6.2 实验结果与分析
9.7 小结
第10章 容器云环境虚拟资源配置策略的优化
10.1 引言
10.2 容器云资源配置
10.2.1 虚拟机资源配置
10.2.2 容器资源配置
10.2.3 虚拟机/容器迁移
10.3 问题描述与数学建模
10.3.1 问题描述
10.3.2 数据中心的能耗模型
10.4 主机选择策略及改进
10.4.1 常用物理机选择策略
10.4.2 物理机选择策略的改进
10.4.3 算法的复杂度分析
10.5 实验结果及分析
10.5.1 实验环境
10.5.2 实验场景
10.6 小结
第11章 两阶段虚拟资源协同自适应调度
11.1 引言
11.2 国内外发展现状
11.2.1 静态调度法
11.2.2 动态调度法
11.2.3 混合调度法
11.2.4 局限性分析
11.3 系统模型
11.3.1 虚拟机租用阶段系统子模型
11.3.2 虚拟机使用阶段系统子模型
11.4 数据中心选择算法
11.4.1 深度强化学习
11.4.2 虚拟机租用阶段的数据中心选择
11.4.3 虚拟机租用阶段的数据中心选择算法
11.4.4 虚拟机使用阶段的数据中心选择
11.4.5 虚拟机使用阶段的数据中心选择算法
11.5 实验验证
11.5.1 虚拟机租用阶段实验结果与分析
11.5.2 虚拟机使用阶段实验结果与分析
11.6 小结
第4篇 云作业和虚拟化资源协同自适应调度
第12章 基于异构分布式深度学习的云任务调度与资源配置框架
12.1 引言
12.2 系统框架与问题阐述
12.2.1 系统框架
12.2.2 问题阐述
12.3 异构分布式深度学习模型
12.4 仿真实验与结果分析
12.4.1 实验设计与参数说明
12.4.2 网络模型验证实验
12.4.3 算法比较仿真实验
12.5 小结
第13章 云工作流任务与虚拟化资源协同自适应调度机制
13.1 引言
13.2 自适应协同调度研究现状及其局限性分析
13.3 系统模型
13.4 多智能体社会下工作流任务与虚拟化虚拟机资源自适应调度机制
13.5 多智能体社会下工作流任务与虚拟化虚拟机资源协同调度机制
13.6 实验验证
13.7 小结
参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...