论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 本文主要研究内容 | 第12-15页 |
| 1.2.1 基于拍卖模型的用户收益最优的资源动态分配方法 | 第13-14页 |
| 1.2.2 基于深度强化学习的用户满意度最优资源跨域分配方案 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 单服务提供商的资源分配机制的研究现状和问题 | 第15-16页 |
| 1.3.2 多服务提供商的跨域资源分配机制的研究现状和问题 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 研究背景及现状 | 第19-26页 |
| 2.1 区块链和边缘计算概述 | 第19-23页 |
| 2.1.1 区块链技术 | 第19-20页 |
| 2.1.2 边缘计算 | 第20-22页 |
| 2.1.3 区块链和边缘计算服务 | 第22-23页 |
| 2.2 边缘计算资源分配技术概述 | 第23-25页 |
| 2.2.1 基于时延的资源分配算法 | 第23-24页 |
| 2.2.2 基于能耗的资源分配算法 | 第24页 |
| 2.2.3 基于收益的资源分配算法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于拍卖模型的用户收益最优资源动态分配方法 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 问题描述和模型建立 | 第26-32页 |
| 3.2.1 问题描述 | 第26-28页 |
| 3.2.2 模型建立 | 第28-32页 |
| 3.3 基于拍卖模型的资源动态分配 | 第32-36页 |
| 3.3.1 Benders分解算法介绍 | 第32页 |
| 3.3.2 求解过程 | 第32-34页 |
| 3.3.3 改进的Vickrey定价策略 | 第34-36页 |
| 3.4 仿真结果分析 | 第36-40页 |
| 3.4.1 对比算法 | 第36页 |
| 3.4.2 仿真系统设置 | 第36-37页 |
| 3.4.3 实验结果 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于深度强化学习的用户满意度最优资源跨域分配机制 | 第42-61页 |
| 4.1 引言 | 第42页 |
| 4.2 系统模型和问题建模 | 第42-48页 |
| 4.2.1 网络模型 | 第43-45页 |
| 4.2.2 计算模型 | 第45-47页 |
| 4.2.3 问题建模 | 第47-48页 |
| 4.3 基于深度强化学习的用户满意度最优资源分配 | 第48-52页 |
| 4.3.1 深度强化学习介绍 | 第49-50页 |
| 4.3.2 强化学习构建 | 第50-51页 |
| 4.3.3 算法流程 | 第51-52页 |
| 4.4 仿真结果分析 | 第52-60页 |
| 4.4.1 对比算法 | 第52-53页 |
| 4.4.2 仿真系统设置 | 第53-54页 |
| 4.4.3 实验结果 | 第54-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 结束语 | 第61-63页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 未来的研究工作 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |
