隨著人工智能技術(shù)的興起,機(jī)器學(xué)習(xí)作為人工智能的重要技術(shù),在解決傳統(tǒng)問(wèn)題上扮演著越來(lái)越重要的角色,其中,監(jiān)督學(xué)習(xí)方法的應(yīng)用最為廣泛。監(jiān)督學(xué)習(xí)利用經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行建模,建模完成后,當(dāng)有新的輸入時(shí),可以快速準(zhǔn)確預(yù)測(cè)輸出。由于監(jiān)督學(xué)習(xí)在許多領(lǐng)域的成功運(yùn)用,推動(dòng)著人們使用該方法進(jìn)行其他領(lǐng)域的嘗試。許多網(wǎng)絡(luò)優(yōu)化問(wèn)題如資源分配、任務(wù)調(diào)度等問(wèn)題最終都可以轉(zhuǎn)化成組合優(yōu)化問(wèn)題(Combinational Optimization Problem)求解。組合優(yōu)化問(wèn)題有著悠久的歷史和廣泛的應(yīng)用,由于大多數(shù)的組合優(yōu)化問(wèn)題都是NP難,傳統(tǒng)算法往往基于啟發(fā)式搜索算法,不能在較短時(shí)間內(nèi)給出最優(yōu)解的近似解。并且,能給出最優(yōu)解的算法往往因?yàn)閱?wèn)題規(guī)模的擴(kuò)大而產(chǎn)生“組合爆炸”的現(xiàn)象,使得組合優(yōu)化問(wèn)題不能高效的求解。本文選擇了網(wǎng)絡(luò)設(shè)計(jì)中較為常見(jiàn)的問(wèn)題進(jìn)行建模,使用監(jiān)督學(xué)習(xí)方法進(jìn)行求解嘗試,嘗試的方向包括直接預(yù)測(cè)解或者輔助傳統(tǒng)算法縮小求解空間。這兩個(gè)問(wèn)題分別是:k中心問(wèn)題(k center problem)和任務(wù)放置問(wèn)題(Task Placement Problem,TPP)。k中心問(wèn)題是設(shè)施放置的基礎(chǔ)問(wèn)題,在例如CDN緩存放置的場(chǎng)...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１本文各部分研究?jī)?nèi)容之間的關(guān)系??Ｆｉｇ．?１－１?Ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｔｈｅ?ｃｏｎｔｅｎｔｓ?ｏｆ?ｅａｃｈ?ｐａｒｔ?ｏｆ?ｔｈｉｓ?ｄｉｓｓｅｒｔａｔｉｏｎ??

?山東大學(xué)博士學(xué)位論文???第２章基于生成對(duì)抗網(wǎng)絡(luò)與度量學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)頻率安全評(píng)估??｜?頻率安全指標(biāo)選取與輸入特征構(gòu)建?胃??基于生成對(duì)抗網(wǎng)絡(luò)和拒絕采樣與重采樣??技術(shù)的頻率安全＃彳古模型訓(xùn)練樣本生成??ｊ基于度量學(xué)習(xí)方法的組合頻率安全評(píng)估模型???結(jié)構(gòu)與學(xué)習(xí)過(guò)程???數(shù)據(jù)驅(qū)動(dòng)....

本文編號(hào)：3967848