基于不对称信息博弈的社交云资源管理机制的设计与仿真实现
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 云计算 | 第11-13页 |
1.1.1 定义 | 第11页 |
1.1.2 特点 | 第11-12页 |
1.1.3 分类 | 第12-13页 |
1.2 社交网络 | 第13-14页 |
1.2.1 定义 | 第13-14页 |
1.2.2 研究热点 | 第14页 |
1.3 社交云 | 第14-15页 |
1.3.1 定义 | 第14-15页 |
1.3.2 研究热点 | 第15页 |
1.4 社交云资源管理 | 第15-16页 |
1.5 研究现状 | 第16-17页 |
1.6 课题来源 | 第17页 |
1.7 本文组织结构 | 第17-19页 |
第2章 相关理论基础 | 第19-27页 |
2.1 博弈论 | 第19-21页 |
2.1.1 博弈概念 | 第19页 |
2.1.2 博弈分类 | 第19-21页 |
2.2 神经网络 | 第21-22页 |
2.2.1 基本原理 | 第21页 |
2.2.2 神经网络类型 | 第21-22页 |
2.3 深度学习 | 第22-23页 |
2.3.1 基本概念 | 第22页 |
2.3.2 受限玻尔兹曼机 | 第22-23页 |
2.4 智能优化算法 | 第23页 |
2.4.1 概述 | 第23页 |
2.4.2 TL智能优化算法 | 第23页 |
2.5 基尼系数 | 第23-25页 |
2.5.1 基本概念 | 第23-24页 |
2.5.2 洛伦茨曲线 | 第24-25页 |
2.5.3 基尼系数计算方法 | 第25页 |
2.6 本章小结 | 第25-27页 |
第3章 社交云资源管理机制设计 | 第27-57页 |
3.1 系统框架 | 第27-31页 |
3.1.1 系统角色 | 第27-28页 |
3.1.2 系统架构 | 第28-31页 |
3.2 关系偏好 | 第31-33页 |
3.2.1 交易度 | 第31页 |
3.2.2 关系程度 | 第31-32页 |
3.2.3 社交威望 | 第32-33页 |
3.3 价格预测 | 第33-40页 |
3.3.1 影响因素 | 第33-34页 |
3.3.2 社交云资源消费者单价计算 | 第34-35页 |
3.3.3 深度学习算法 | 第35-39页 |
3.3.4 基于深度学习算法的价格预测方法 | 第39-40页 |
3.4 竞价策略 | 第40-45页 |
3.4.1 不对称信息博弈 | 第40-41页 |
3.4.2 基于不对称信息博弈的竞价策略 | 第41-45页 |
3.5 资源分配方法 | 第45-54页 |
3.5.1 解的表达 | 第46页 |
3.5.2 约束条件 | 第46-47页 |
3.5.3 初始解种群的生成 | 第47-48页 |
3.5.4 优化目标 | 第48-52页 |
3.5.5 基于TL智能优化算法的资源分配方法 | 第52-54页 |
3.6 恶意行为的甄别与惩罚 | 第54-55页 |
3.7 本章小结 | 第55-57页 |
第4章 仿真实现与性能评价 | 第57-81页 |
4.1 仿真环境 | 第57页 |
4.2 仿真实现 | 第57-66页 |
4.2.1 资源管理系统的仿真实现 | 第57-58页 |
4.2.2 辅助系统的仿真实现 | 第58-60页 |
4.2.3 价格预测及竞价策略的仿真实现 | 第60-61页 |
4.2.4 资源分配方法的仿真实现 | 第61-62页 |
4.2.5 相关数据库的设计 | 第62-66页 |
4.3 参数设置 | 第66-72页 |
4.3.1 资源定价 | 第66-67页 |
4.3.2 市场规模 | 第67页 |
4.3.3 供求规模 | 第67-68页 |
4.3.4 深度学习网络 | 第68-72页 |
4.3.5 资源分配方法 | 第72页 |
4.4 有效性测试 | 第72-74页 |
4.4.1 辅助系统的有效性测试 | 第72-73页 |
4.4.2 价格预测的有效性测试 | 第73-74页 |
4.4.3 竞价策略的有效性测试 | 第74页 |
4.5 性能评价 | 第74-79页 |
4.5.1 基准机制 | 第74-75页 |
4.5.2 性能对比 | 第75-79页 |
4.6 本章小结 | 第79-81页 |
第5章 结束语 | 第81-83页 |
参考文献 | 第83-87页 |
致谢 | 第87-89页 |
攻读硕士学位期间发表的论文 | 第89页 |