Please enable javascript in your browser.
Page
of
0
بهکارگیری مدل یادگیری تقویتی عمیق به منظور بارسپاری و تخصیص منابع در زیرساخت های مبتنی بر مه
فلاح میرموسوی اجداد، زهرا Fallah Mir Mousavi Ajdad, Zahra
Cataloging brief
بهکارگیری مدل یادگیری تقویتی عمیق به منظور بارسپاری و تخصیص منابع در زیرساخت های مبتنی بر مه
پدیدآور اصلی :
فلاح میرموسوی اجداد، زهرا Fallah Mir Mousavi Ajdad, Zahra
ناشر :
صنعتی شریف
سال انتشار :
1404
موضوع ها :
گردش کار Workflow رایانش مه Fog Computing بارسپاری Offloading تخصیص منابع Resources...
شماره راهنما :
19-58188
Find in content
sort by
page number
page score
Bookmark
چکیده
(4)
فهرست جدولها
(8)
فهرست شکلها
(9)
فهرست نمودارها
(10)
1 فصل اول: مقدمه
(11)
1˗1. اهمیت موضوع
(11)
1˗2. تعریف مسئله
(13)
1˗3. دستاوردها و نوآوریهای پژوهش
(14)
1˗4. مراحل اجرای پژوهش
(15)
1˗5. ساختار پایاننامه
(16)
2 فصل دوم: مفاهیم پایه
(18)
2˗1. سیستمهای محاسبات توزیعشده
(18)
2˗1˗1. رایانش ابر
(18)
2˗1˗2. رایانش مه
(20)
2˗1˗1. رایانش لبه
(21)
2˗2. مدیریت منابع و زمانبندی
(22)
2˗2˗1. بارسپاری وظیفه
(22)
2˗2˗2. زمانبندی وظایف
(23)
2˗2˗3. اکتشاف منبع
(23)
2˗2˗4. به اشتراکگذاری منبع
(24)
2˗2˗5. تخصیص منبع
(24)
2˗2˗6. تعادلبار
(24)
2˗2˗7. فراهمسازی منبع
(25)
2˗3. جریانکار
(25)
2˗3˗1. تعریف جریانکار
(26)
2˗3˗2. جریانکارهای علمی و چالشهای آنها
(27)
2˗4. مفاهیم مربوط به یادگیری تقویتی عمیق
(28)
2˗4˗1. مقدمهای بر یادگیری تقویتی
(29)
2˗4˗1˗1. اجزای اصلی یادگیری تقویتی
(29)
2˗4˗1˗2. دستهبندی روشهای یادگیری تقویتی
(31)
2˗4˗2. معرفی Q-Learning
(33)
2˗4˗3. ترکیب یادگیری عمیق با Q-Learning
(34)
2˗4˗4. تکنیکهای کلیدی برای بهبود پایداری یادگیری در DQN
(35)
2˗5. کتابخانهی SimPy
(36)
2˗5˗1. معرفی SimPy
(36)
2˗5˗2. استفاده از SimPy برای شبیهسازی محاسبات ابری و مه
(37)
3 فصل سوم: پژوهشهای پیشین
(39)
3˗1. دستهبندی بر اساس نوع ورودی
(39)
3˗1˗1. پژوهشهای پیشین بر اساس ورودیهای مستقل از هم
(40)
3˗1˗2. پژوهشهای پیشین بر اساس ورودیهای وابسته به هم
(41)
3˗2. پژوهشهای پیشین بر اساس رویکرد مبتنیبر یادگیری ماشین
(42)
4 فصل چهارم: رویکرد پیشنهادی
(47)
4˗1. فرضیات مسئله
(47)
4˗1˗1. معماری سیستم
(47)
4˗1˗2. نقش هماهنگ کنندهی وظایف
(49)
4˗1˗3. نقش دستگاه واسط مه
(50)
4˗1˗4. مدل برنامههای کاربردی ورودی سیستم
(51)
4˗2. مدل عامل یادگیرنده تقویتی
(51)
4˗2˗1. عامل یادگیر تقویتی حساس به هزینه
(52)
4˗2˗1˗1. فضای وضعیت
(52)
4˗2˗1˗2. فضای عمل
(53)
4˗2˗1˗3. تابع پاداش
(53)
4˗2˗2. عامل یادگیر تقویتی حساس به زمان
(53)
4˗2˗2˗2. فضای عمل
(55)
4˗2˗2˗3. تابع پاداش
(55)
4˗3. الگوریتم یادگیری(مرحله آموزش)
(55)
4˗3˗1. پیکربندی محیط و عاملها
(58)
4˗3˗2. الگوریتم تصمیمگیرندهی بارسپاری
(60)
4˗3˗3. الگوریتم بهروزرسانی مدل یادگیر تقویتی
(61)
4˗3˗4. سیاست – حریصانه
(63)
4˗4. الگوریتم تصمیم گیری نهایی (مرحله استنتاج)
(65)
5 فصل پنجم : ارزیابیهای رویکرد پیشنهادی
(67)
5˗1. محیط شبیهسازی
(67)
5˗2. گروه جریانهایکاری
(69)
5˗3. نتایج ارزیابیها
(70)
5˗3˗1. ارزیابی مدل یادگیر تقویتی حساس به زمان
(70)
5˗3˗2. ارزیابی مدل یادگیری تقویتی حساس به هزینه
(73)
5˗3˗3. ارزیابی نتایج بر اساس تصمیم هر دو عامل یادگیر تقویتی با پارامتر متفاوت
(75)
6 فصل ششم : جمعبندی و کارهای آینده
(80)
6˗1. جمعبندی
(80)
6˗2. نوآوریهای پژوهش
(81)
6˗3. ضعفهای پژوهش
(82)
6˗4. کارهای آینده
(82)
7 مراجع
(85)