| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-15页 |
| 1.1.1 传统流媒体服务系统及其局限性 | 第11-12页 |
| 1.1.2 流媒体云概念 | 第12-13页 |
| 1.1.3 流媒体边缘云架构 | 第13-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 流媒体服务系统资源调度研究现状 | 第15-16页 |
| 1.2.2 会话迁移研究现状 | 第16-17页 |
| 1.2.3 强化学习研究现状及其在调度中的应用 | 第17-18页 |
| 1.2.4 研究现状总结 | 第18页 |
| 1.3 本文主要研究工作 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第2章 强化学习方法简介 | 第21-31页 |
| 2.1 强化学习及其理论基础 | 第21-24页 |
| 2.1.1 马尔可夫决策过程模型 | 第21-22页 |
| 2.1.2 强化学习的原理及模型 | 第22-23页 |
| 2.1.3 强化学习的组成要素 | 第23-24页 |
| 2.2 强化学习的常用算法 | 第24-30页 |
| 2.2.1 时序差分算法 | 第24-25页 |
| 2.2.2 Q学习算法 | 第25-26页 |
| 2.2.3 Sarsa算法 | 第26-27页 |
| 2.2.4 Actor-Critic算法 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 流媒体边缘云会话调度问题 | 第31-43页 |
| 3.1 问题描述 | 第31-32页 |
| 3.2 统一调度模型 | 第32-33页 |
| 3.3 传统的会话调度方法 | 第33-37页 |
| 3.4 会话调度整体流程 | 第37-40页 |
| 3.4.1 基于传统调度方法的会话调度整体流程 | 第37-38页 |
| 3.4.2 基于深度强化学习方法的会话调度整体流程 | 第38-40页 |
| 3.5 单时刻的会话调度过程 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于深度强化学习的会话调度策略 | 第43-57页 |
| 4.1 会话调度模型 | 第43-44页 |
| 4.2 会话调度的强化学习模型 | 第44-49页 |
| 4.2.1 状态空间和输入 | 第45-46页 |
| 4.2.2 动作集合和输出 | 第46-47页 |
| 4.2.3 即时回报 | 第47-48页 |
| 4.2.4 动作-价值函数 | 第48-49页 |
| 4.3 基于强化学习的会话调度算法 | 第49-55页 |
| 4.3.1 确定性策略方法 | 第49-50页 |
| 4.3.2 行为选择策略 | 第50-52页 |
| 4.3.3 动作-价值函数的存储与泛化 | 第52-54页 |
| 4.3.4 调度算法 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 仿真实验及分析 | 第57-71页 |
| 5.1 基于确定性策略梯度的深度强化学习算法实现 | 第57-61页 |
| 5.1.1 实验平台的搭建 | 第57-58页 |
| 5.1.2 算法参数的设计 | 第58-59页 |
| 5.1.3 算法训练流程 | 第59-61页 |
| 5.2 流媒体边缘云会话调度仿真实验 | 第61-68页 |
| 5.2.1 请求接入仿真流程 | 第61-62页 |
| 5.2.2 仿真参数设置及其合理性说明 | 第62-63页 |
| 5.2.3 仿真实验结果与分析 | 第63-68页 |
| 5.3 本章小结 | 第68-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第79页 |