• مقدمه (13)
  • پیش‌زمینه (13)
  • اهداف پژوهش (16)
  • چالش‌ها (17)
  • دست‌آوردها (18)
  • ساختار پایان‌نامه (18)
• مفاهیم اولیه (19)
  • معماری شبکه (19)
    • محاسبات‌ ابری (20)
    • محاسبات لبه متحرک (21)
    • ابعاد محاسبات ابری و محاسبات لبه (23)
  • بارسپاری محاسباتی (25)
    • تصمیم‌گیری در مورد بارسپاری محاسبات به گره‌ لبه (26)
  • مدیریت منابع (27)
    • تخمین منابع (28)
    • کشف منابع (28)
    • تخصیص منابع (29)
    • اشتراک‌گذاری منابع (30)
    • بهینه‌سازی منابع (30)
  • فرایند تصمیم‌گیری مارکوف (30)
  • تعریف فرایند تصمیم‌گیری مارکوف (32)
  • یادگیری تقویتی (33)
  • اجزا مسئله یادگیری تقویتی (33)
    • سیگنال امتیاز (34)
    • عامل و محیط (34)
    • حالات و تاریخچه (36)
    • توابع ارزش و معادله بلمن (37)
  • بهره‌برداری و اکتشاف (39)
  • روش‌های پاسخ به مسائل یادگیری تقویتی (40)
    • روش تکرارشونده ارزش (41)
    • روش تکرارشونده سیاست (41)
  • تقریب توابع (42)
  • شبکه‌های عصبی عمیق (43)
  • مدل محیط در روش‌های مبتنی بر یادگیری تقویتی (45)
  • جمع‌بندی و نتیجه‌گیری (46)
• پژوهش‌های مرتبط پیشین (48)
  • مقدمه (48)
  • پژوهش‌های پیشین (49)
• تعریف مسئله (56)
  • مدل سیستم (56)
  • مدل وظیفه (58)
  • تصمیم‌گیری بارسپاری وظیفه (59)
  • مدل ارتباطی (59)
  • مدل محاسباتی (61)
    • محاسبات محلی (61)
    • محاسبات در لبه (62)
    • پردازش و انقضا وظیفه (65)
• مسئله بارسپاری وظیفه مبتنی بر یادگیری تقویتی عمیق (66)
  • بیان مسئله با یادگیری تقویتی عمیق (66)
    • حالت (67)
    • عمل (68)
    • هزینه (68)
  • سیاست بهینه (69)
  • الگوریتم بارسپاری وظیفه مبتنی بر یادگیری تقویتی عمیق (70)
  • شبکه عصبی (71)
  • لایه ورودی (72)
  • لایه حافظه کوتاه‌مدت ماندگار (72)
  • لایه‌های کاملا متصل (73)
  • لایه ارزش، امتیاز-عمل و لایه خروجی (73)
  • الگوریتم مبتنی بر یادگیری تقویتی عمیق (75)
    • الگوریتم اجرایی در دستگاه تلفن همراه (76)
    • الگوریتم اجرایی در گره لبه (78)
• نتایج (81)
  • شبیه‌سازی (81)
  • ارزیابی عملکرد (83)
  • مقایسه نتایج (85)
• نتیجه‌گیری (92)