一、网络计算管理研究（论文文献综述）
孙肖坤[1]（2021）在《复杂大型建设项目费用偏差控制方法及信息系统设计》文中研究指明随着全球范围内经济形势的动态稳定发展,复杂大型建设项目在国内外均呈持续增长的态势,国际工程项目市场的竞争愈发激烈。复杂大型建设项目事关民生和经济效益,其开发建设会对国家和社会产生广泛而深远的影响。在工程建设领域,许多投资主体拥有雄厚的资金实力和丰富的开发建设经验,并开始涉足复杂大型建设项目的开发建设,项目投资规模越来越大,建设周期越来越长,参与建设的单位越来越多,不确定性带来的项目风险也愈发复杂。随着时代的发展,复杂大型建设项目逐渐成为项目管理领域的研究热点。然而,在项目建设过程中,投资效率低下、费用超支等现象屡见不鲜,项目执行情况在各层面上不尽如人意,传统的项目管理理论已经不能适应现阶段管理实践的需求。因此,从复杂性视角出发对项目管理领域进行研究就成为一种新的解决思路。如何对项目复杂性进行科学、系统以及深入的分析,如何在项目建设过程中动态、全面地掌握项目费用状态,如何判断工程费用实际状态与计划的偏差严重程度,如何对项目费用偏差做出科学的警报和预测,如何有依据地对工程项目的费用偏差进行有效纠偏控制,就成为摆在管理者面前的一个理论和实践问题。为了更加科学有效地针对复杂大型建设项目费用实施监控管理,本文运用系统动力学相关理论和方法,建立了基于复杂性视角的建设项目费用偏差影响因素的系统动力学模型,构建了项目费用偏差的警报及预测模型,梳理了项目全生命周期不同费用偏差程度下的纠偏流程,进而分析并设计了以理论模型为基础的复杂大型建设项目费用偏差控制信息系统。具体研究内容包括以下四个部分:（1）基于系统动力学的费用偏差关键影响因素识别研究。首先,对复杂大型建设项目的费用监控模式进行概述;在此基础上,对系统动力学相关基础理论及其应用在建设项目费用偏差控制领域的可行性进行分析;然后,将复杂大型建设项目作为一个整体系统,对项目建设各阶段内费用偏差影响因素之间的关系进行分析识别,构建系统动力学反馈图模型,确定主要变量,内生变量、外生变量,建立各变量之间方程关系;最后,通过Vensim软件模拟仿真,建立动态控制模型并验证其可行性和有效性,识别出费用偏差关键影响因素及其影响程度,并对模拟结果进行分析。（2）复杂大型建设项目费用偏差警报及预测模型研究。首先对复杂大型建设项目不同阶段费用偏差计算的需求及特点进行分析,据此选取适用于复杂大型建设项目费用偏差警报的方法模型;然后对K-Means聚类算法进行缺陷分析,引入贴近度概念,并将边界均值算子作为主要方法对经典K-means聚类进行改进,有效克服了主观随意性和警情区间不连续的问题;最后通过算例分析证实了本模型的有效性。复杂大型建设项目费用偏差预测模型是偏差警报模型的后续研究。首先,全面论述了神经网络模型的相关原理,对其在复杂大型建设项目费用偏差预测研究中的可行性和适用性进行了分析;然后,利用仿生算法对传统BP神经网络进行改进,优化神经网络模型中的初始网络权值和阈值,并将历史数据输入模型中进行训练获得成熟模型;同时,将现阶段的费用偏差进行子目费用分析,将总偏差最终分摊至每一个子目费用的扰动因素,深度分析复杂大型建设项目中不同活动对费用偏差的影响,在当前费用偏差情况已知的情况下,研究其对未来费用偏差的影响程度并予以量化,判定即将发生的项目警情及其位置,有效辅助项目费用管理方采取措施进行处理,实现真正意义上的项目费用事前控制。（3）复杂大型建设项目费用偏差控制策略及效果评价研究。首先,针对复杂大型建设项目费用偏差控制策略,挖掘了流程再造和协同理论与之相适应的契合点,梳理了费用偏差控制中流程再造和协同的目标和原则;其次,针对复杂大型建设项目在前期决策阶段、中期实施阶段、后期运维阶段所面临的不同费用偏差警情,明确各阶段责任方,梳理并总结出具体的纠偏操作流程和控制策略;为了增强该纠偏流程的适用性,本节首次提出了纠偏效果评价,从控制能力、控制效果、经济和社会效果等角度构建指标体系,构建了基于支撑度理论的模糊群决策模型,对纠偏效果进行评价,给出反馈结果,推动纠偏策略的持续改进。（4）复杂大型建设项目费用偏差控制系统设计研究。把研究的理论和构建的模型拓展到实际的项目费用管理中,提出了复杂大型建设项目费用偏差控制信息系统设计。首先,对复杂大型建设项目费用偏差控制系统进行了定义,对系统建设目标、系统用户和系统需求进行分析,确定了系统的非功能需求和功能需求;然后构建费用偏差控制系统的总体设计框架结构,从系统开发方法、系统开发平台、系统功能模块、系统数据库四个角度对系统进行详细深入的设计;在涉及到系统关键的实施技术方面,对开发技术选型进行了结构性论述,并对数据仓库的核心设计理念进行了详细介绍,设计了系统模型管理模块的结构和重点功能。该系统包括费用偏差警报、费用偏差预测、费用偏差控制、纠偏效果评价等功能。
华郁秀[2]（2021）在《无线网络智能感知与切片资源管理研究》文中研究表明移动通信从第一代模拟通信发展到目前的第五代数字通信（5G）,服务对象已经从单纯的语音通讯扩展为无处不在的连接和林林总总的应用。作为数字经济时代的关键使能技术和基础设施,5G网络将承载更多的应用与海量连接,面向业务服务等级指标迥异的场景。不同商业模式需要在统一的5G网络架构下共存。网络切片技术被认为是5G实现万物互联的关键,通过在物理网络上切分出多个虚拟网络切片,适配不同业务的差异化需求。网络切片的资源管理对负载均衡、资源利用和网络性能起着至关重要的作用,因此针对网络切片资源管理的研究一直是学界和业界关注的焦点。同时,随着大数据时代的到来以及深度学习和强化学习技术的兴起,利用LSTM、DQN等数据驱动的模型算法智能感知无线网络或解决复杂优化问题,进而设计针对网络切片的智能无线资源管理方法已成为一种趋势。本文首先在第二章研究了智能化切片资源管理的一种解决方案,即通过无线网络智能感知技术对网络切片的请求数量、数据流量等时间序列进行预测,根据预测结果分配或调整无线资源,以满足调度周期内的用户需求。我们分析了很有代表性的时间序列预测模型——LSTM,并针对其计算量大且容易过拟合的问题设计了神经元随机连接的LSTM单元。仿真中我们选择了对解决网络切片资源管理问题有参考价值的网络流量预测和用户移动性预测任务,仿真结果表明所提模型的性能明显优于传统的时间序列预测方法,而且以部分性能损失为代价显着减少了计算量。第三章研究了无线网络智能感知中的无线信道估计问题,将深度学习用于大规模MIMO系统的信道估计。之所以进行这项研究,是因为在网络切片中,当考虑空口资源的分配时,必须使用到信道状态信息,而信道估计技术正是为了获得更加精确的信道状态信息。该研究不仅对网络切片很重要,而且对于大规模MIMO通信中的收发端信号处理有着极其重要的研究意义。我们针对导频序列长度小于发送端天线数量的情况引入GAN估计信道,为了进一步提高估计质量,我们在信道估计的前端加入了对含噪导频进行去噪处理的操作,提出了两级信道估计方法N2N-GAN。仿真结果表明N2N-GAN可以得到更小的估计误差,而且对更短的导频序列、更多的基站天线都具备较好的适应能力。第四章致力于解决网络环境中的随机因素对网络切片资源分配算法的干扰问题。我们发现值分布强化学习方法对环境中影响最优策略的随机因素具有很强的规避能力,其框架中动作值分布的表示和学习是研究重点。我们使用GAN学习动作值分布,从而提出了GANDDQN算法和训练效率更高的Dueling GAN-DDQN算法。仿真中我们考虑RAN切片场景,利用所提算法根据网络切片的请求数量学习带宽分配策略,仿真结果表明我们的算法学习到的策略能提供更高的系统效益,并且在整个训练过程中表现得更加稳定,收敛得更快。总体来说,本文探索了深度学习和强化学习在无线网络智能感知和网络切片资源管理的应用前景和改进方向,提出了RCLSTM、N2N-GAN、GAN-DDQN和Dueling GAN-DDQN算法分别针对时间序列预测、大规模MIMO信道估计、网络切片资源分配三个问题提供了解决方案,并且均通过仿真验证了算法的性能增益。
赵家宝[3]（2021）在《多网络计算资源融合的边缘预警系统设计与实现》文中研究表明近年来,移动无线网络和物联网技术的快速发展,导致网络连接的设备和传输的数据量得以飞速增长,传统的云计算模型逐渐无法满足日常需要。因此,边缘计算这一新型计算模型逐渐成为热门。作为云计算的补充,边缘计算旨在减轻骨干网压力与降低数据的传输成本。但是,在实际的应用环境中,由于边缘业务通常部署在移动通信基站内或附近,导致不同运营商之间存在计算资源的隔离,这会造成一定的计算资源浪费以及用户计算任务无法得到实时执行。如何能在保证用户体验的情况下,尽可能提升边缘节点计算资源的利用率,成为当前一个急需解决的问题。本文通过提出多网络计算资源的融合,结合已有的边缘计算通用架构,设计多网络计算资源融合方案,将不同运营商网络中的边缘节点进行统一分配,以执行计算任务。物联网技术作为边缘计算一个重要的应用方向,其中的“智慧监狱”在建设过程中,存在外出就医、服刑人员异地监狱调动等外出场景。为了能够更好的面对外出时遇到的突发事件,论文设计与实现了一个边缘预警系统,通过使用一些物联网设备采集服刑人员的实时信息,并对这些信息进行分析,以达到智能化评估服刑人员风险的作用,为执法人员提供预警帮助。该预警系统引入边缘计算模型,大幅度减少数据的传输时延,提高系统的响应速率。同时,考虑到外出任务中地域的随机性,各区域内运营商公网信号质量不一,部署的边缘节点计算能力也不相同,长距离的押解途中仅使用某一运营商的计算服务,可能会出现数据传输质量差以及存在覆盖盲区导致计算资源不足的情况,无法保证服务的全程稳定。因此,系统采用多网络计算资源融合的方式进行设计。再者,人工智能与物联网技术逐步成熟,二者之间相互结合,使得未来系统可能会逐渐增添更多的服务功能。为了日后功能升级与部署的灵活性,论文采用微服务架构的设计思想进行系统的开发。
康妍[4]（2021）在《一种基于云计算的资源调度方案的研究与实现》文中认为随着云计算技术的飞速发展,传统IT架构模式逐渐被替代。云计算利用虚拟化技术将许多同构或异构的物理资源组成虚拟资源池提供给用户,用户按照自身需求通过Internet获取所需资源。目前云用户数量以及云用户需求急剧增加,云数据中心规模也不断扩大。如何在动态异构的云环境下合理的调度资源,提升云平台的性能,保障用户需求,是现今云计算领域亟待解决的问题之一。针对上述问题,本文在深入学习虚拟化技术和现有云计算资源调度算法的基础上,以负载均衡、提升资源利用率和减少能耗为出发点,立足IaaS云平台OpenStack,对虚拟机资源调度方案进行深入研究。论文主要工作和创新点如下:（1）针对资源调度方案设计不当导致的物理主机资源浪费、物理机之间负载不均衡和云平台能耗增加问题,分别构建了以负载均衡、提升资源利用率、降低云平台能耗为优化目标的模型,并以三种模型设计了评价函数;（2）提出了一种基于遗传和量子粒子群融合算法（Hybrid Genetic Algorithm And Quantum Particle Swarm Optimization,HGQP）的虚拟机调度策略。利用遗传思想搜索范围大,全局搜索能力优和量子粒子群优化算法收敛速度快、局部搜索能力优的优势,通过算法串行式融合,将迭代次数一分为二,前半部分迭代使用遗传算法,达到迭代次数的1/2后采用量子粒子群算法,加速搜索出了虚拟机到物理主机映射的最优解,得到了最优的资源调度方案;（3）针对量子粒子群优化算法易陷入局部较优、迭代后期收敛慢的缺陷,引入自适应方法,利用粒子适应度值改进了算法中唯一控制参数收缩扩张系数。引入精英策略,在计算平均值时引入权重因子改进了算法的平均最优位置;（4）基于云计算资源调度模拟环境Cloudsim对HGQP算法进行了对比实验。实验表明,本文提出的遗传量子粒子融合算法和传统的单一启发式算法遗传算法、粒子群算法和最小剩余算法相比,任务处理时间较短、CPU利用率较优、能耗较低,验证了算法的有效性和合理性;（5）基于开源的云计算管理平台项目Openstack实现了基于HGQP资源调度方案的云计算资源调度平台,对资源管理模块、资源监控模块和资源调度模块进行了设计。功能测试结果表明,此平台实现了对底层虚拟资源和物理资源的统一管理、监控和调配,可以为业务和应用提供自动化和整体化的运维手段。
刘嫚[5]（2021）在《面向空天地远程物联网络的计算卸载和资源管理算法研究》文中研究指明在远程物联网（Internet of remote things,IoRT）中,智能设备通常密集部署在广阔、偏远且不受地面网络服务接入的地区,因此IoRT网络需要突破空间和时间的限制,以满足各种技术应用（如地球观测、军事对战、生态环境监测等）的需求。与地面网络相比,卫星网络和空中网络可以提供更大的覆盖范围,已被用于向岛屿、偏远山区和灾区提供互联网服务。因此,一种新兴的网络架构——空天地一体化网络（space-air-ground integrated networks,SAGIN）被广泛关注。其中,卫星网络作为地面网络的补充和扩展,能够实现物联网（Internet of things,IoT）服务的全面覆盖。在基站等基础设施有限甚至没有的情况下,无人机（unmanned aerial vehicle,UAV）既可以辅助边缘计算为智能设备提供计算卸载的机会,也可以搭载无线能量传输模块为智能设备进行无线能量传输,同时还可以通过灵活部署保障智能设备的正常工作。本文面向IoRT网络中各种垂直应用的计算任务,并考虑到IoRT网络地理环境偏远且广阔,智能设备的大小受限且计算能力较低,电池寿命受限且难以替换的特点,采用UAV为智能设备提供灵活可靠的边缘计算服务,卫星提供无缝覆盖和始终在线的云计算服务,从而形成空天地远程物联网络（SAG-IoRT）架构。针对于SAG-IoRT网络架构下丰富的通信资源和多元的业务类型,本文重点研究了 SAG-IoRT网络的计算卸载和资源管理算法。本文的主要工作如下:首先,考虑到IoRT地处于地面基础设施稀缺的偏远地区,并且针对于智能设备电池寿命和计算能力有限的特点,研究SAG-IoRT网络中计算卸载能耗最小化问题。将其建模成一个SAG-IoRT网络中联合优化设备调度、任务分配、传输比特分配和无人机轨迹规划的混合整数非线性规划（mixed integer nonlinear programming,MINLP）问题。由于该问题无法直接求解,本文将其划分为三个子问题进行处理,并通过变量松弛、拉格朗日对偶分解方法对三个子问题进行求解,然后将三个子问题进行不断迭代以获得最小的系统总能耗。最后,通过仿真验证所提算法的收敛性和有效性,仿真结果表明所提算法可以在一定程度上降低系统能耗。其次,针对于IoRT设备电池寿命有限且替换难度大的特点,并考虑到SAG-IoRT网络运作在高度随机的环境中,研究SAG-IoRT 网络中基于UAV辅助无线能量传输（wireless power transmission,WPT）的计算性能优化问题。将其建模成一个联合优化计算能力、功率控制和UAV轨迹规划的随机资源管理问题,旨在保障SAG-IoRT网络的稳定性和可持续性下,最大化长期时间平均的系统计算性能。由于所提问题是一个非线性随机优化问题,本文首先利用Lyapunov优化理论,将随机问题解耦为在单时隙下优化的三个子问题,并将三个子问题交替迭代得到单个时隙下的最优解。在此基础上,我们提出了一种联合计算能力、功率控制和UAV轨迹规划的随机资源管理算法,以一种在线的方式有效地优化系统计算性能。最后,通过仿真验证所提算法的可持续性和稳定性,并和所设置的基线对比,所提算法的系统性能在一定情况下具有优越性。最后,考虑到SAG-IoRT网络复杂、资源多样以及业务多元的特点,本文提出了一个基于网络切片的空天地远程物联网架构,其中分为由空间层、空中层、地面层组成的横向切片,以及不同业务类型的纵向切片。在此基础上,研究了一个联合优化设备连接,传输功率,中央处理器（central processing unit,CPU）周期频率分配以及UAV部署的运营商收益最大化问题。该资源管理问题是一个非凸优化问题,为了使得该问题易于求解,本文将其划分成三个子问题处理,并通过变量松弛、变量代换和连续凸逼近（successive convex approximation,SCA）进行求解。然后,三个子问题通过交替迭代获得运营商最大化的收益。最后,通过仿真验证所提算法的有效性,相较于其他方案所提算法,可以明显提高SAG-IoRT切片网络的运营商收益。
李云昭[6]（2021）在《时延保障的异构边缘网络计算任务智能卸载机制的设计与实现》文中研究说明受益于物联网技术的发展,越来越多种类的设备开始接入网络,虚拟现实（VR）、增强现实（AR）、自动驾驶、人工智能等新型业务相继涌现,对网络计算服务提出了低时延、高可靠性等要求。传统云计算范式虽然能为设备提供充足的计算资源,但是由于云计算中心在地理上距离用户较远,无法满足时延敏感型应用的需求。边缘计算范式作为云计算的延伸,将云计算的功能下沉至更靠近用户的边缘侧,为用户提供充足的计算和缓存服务,避免了不必要的传播时延和网络拥堵,在时延、可靠性、安全性等方面具备显着优势。但是与远程云计算中心相比,边缘服务器在计算资源上存在限制,为了适应联网设备成倍增长的趋势并为用户业务提供可靠的计算服务,研究一个能够合理分配有限资源的计算任务卸载机制具有重要意义。针对以上问题,本文提出了一个时延保障的边缘计算任务卸载机制。具体工作有:1)针对不同通信方式的设备时延计算问题,构建了一个异构云边协同计算的网络模型。本文通过设置标志位来区分光纤链路与蜂窝链路,分别为有线与无线设备设计了不同的时延计算模型,实现对两类设备的覆盖。2)针对边缘网络计算卸载超时的问题,设计了一个包含任务成功率与时延的多目标优化算法。本文基于深度强化学习方法,用任务超时给予高额惩罚的方式,使智能体倾向于做出优先保障每个任务都能按时完成的计算卸载决策。基于以上工作,本文设计并实现了一个边缘计算任务卸载算法的仿真验证系统。系统内置了本文所提出的计算卸载机制,提供了构建边缘网络、导入算法、计算任务卸载仿真等功能,为科研人员提供了一个验证计算卸载算法效果的仿真平台。用户通过图形化的界面可以低门槛的构建网络拓扑,实例化边缘网络环境,使科研人员可以专注于算法的实现,简化了构建边缘网络环境的繁杂步骤。综上所述,本文基于深度强化学习方法,针对时延保障的业务需求,提出了一个时延保障的边缘计算任务智能卸载机制,并根据该机制设计并实现了一个边缘计算任务卸载仿真验证系统,为边缘计算的实验仿真提供一个算法验证平台。
杨子毅[7]（2021）在《面向移动边缘网络的资源管理研究》文中研究指明在大数据网络快速发展及普及的时代背景下,物联网技术,虚拟现实技术,自动驾驶技术,实时在线游戏等新型技术和业务需求也随之迅速增多,新型的网络服务对通信系统的时延、可靠性等提出了更为严格的要求。传统的网络结构中,当用户需要申请某一服务时,网络申请通过边缘网络到核心网络,一直到数据中心进行请求,返回的结果也是从数据中心通过相同路径返回。但这种传输方式的效率在需要追求实时性的业务当中难以解决庞大的数据流量与更为高效可靠的传输需求之间的矛盾。为了降低数据传输时延,提高网络传输的效率,最为直接的手段则是缩短传输距离。由此,移动边缘网络成为了以5G为代表的未来通信网络技术中一项重要的研究方向。移动边缘网络是指网络中靠近终端而远离数据中心的部分。而移动边缘计算技术是指将互联网技术与通信网络技术结合起来,将互联网中的业务分为必须由数据中心处理的部分和可以下放到边缘网络中进行处理的部分,将存储,计算等业务处理功能下放到边缘网络,只将涉及统计分析,网络安全等必须由数据中心处理的业务进行长距离传输,以达到降低传输时延和网络流量,提高业务处理效率的目的。本文根据移动边缘网络理论,通过优化边缘计算过程中各类网络资源的处理算法与分配流程,提出一系列边缘网络资源分配和管理策略。论文从三个角度进行分析:其一,设计了移动边缘网络各节点间为平衡计算压力,进行计算卸载的策略,利用计算卸载提升边缘节点处到达的计算任务的处理速率。其二,设计移动边缘网络缓存热点内容的策略,利用边缘节点的缓存能力将通信过程中热点访问内容缓存到本地,减少热点内容被再访问时所需时延。其三,利用移动边缘网络与本地终端间的短距离实现对终端设备流量、带宽等通信资源进行实时动态的分配。本文通过对移动边缘网络环境下各类网络资源利用不同策略进行动态分配,设计出完整的资源管理模型,为移动边缘网络构建及设备部署提供理论支撑。
戴俊杰[8]（2020）在《基于区块链的边缘计算资源分配机制研究》文中提出目前的云服务都是通过建立庞大的数据中心来提供,这不仅可能造成了很大的资源浪费和生态环境的破坏,也存在诸多如单点崩溃和信任危机等隐患。另一方面,随着物联网技术的发展,出现了越来越的智能和移动设备。这些设备在运行延迟敏感类型应用程序时往往更倾向于将数据放在更接近数据源的网络边缘进行处理,以提高处理效率、缩短响应时间。同时,这些设备本身也拥有一定数量的计算资源,而这些资源很多时候处于空闲状态,有着明显的资源利用率不足问题。论文主要研究面向边缘计算的资源分配机制,将广泛处于网络边缘的闲散计算资源整合起来,构成一种去中心化的计算资源可信分配平台。然而,这些边缘计算资源的高度分散和异构特性,使得实现这样一种计算平台变得十分困难。因此,论文考虑使用去中心化的区块链技术,对网络边缘计算资源进行信任管理,以实现去中心化可信的资源分配。对此,主要从三个方面展开研究:1)针对去中心化的资源提供及资源请求发布的问题,采用区块链技术中常用的对等网络和自认证加密技术,实现边缘节点之间的去中心化可信资源提供和资源请求的发布,且创新性地设计了资源提供和资源请求的去中心化可信标识及其验证方法。（2）针对去中心化资源分配方案制定的问题,利用区块链的公共账本特性,创新性地将资源提供和资源请求的发布作为本方案中的信任操作,共同维护历史资源请求记录以及资源可用状态,实现了资源分配控制权的下放。同时,采用了委托权益证明作为适用于本方案的共识机制,并且创新性地将“权益”重新定义为适用于本方案的“网络贡献”的概念。（3）在设计基于区块链的资源分配方案的基础上,研究了参与方如何根据记录的链上数据实现可信的资源使用的问题。参考比特币交易设计,创新性地结合哈希算法和数字签名的方法,实现了基于区块链的资源使用合法性的验证。论文进一步设计和实现了基于现有以太坊区块链平台的仿真实验方案,利用以太坊所支持的智能合约,将上述的资源提供和资源请求信息的发布功能的业务逻辑以代码形式写入合约。通过以太坊交易触发合约执行,可以实现数据的自动记录。在搭建的以太坊私链上进行了仿真实验,测试结果表明了所提出方案的正确性和可行性。
逯苗苗[9]（2020）在《网络嵌入视角下制造业企业高质量发展问题研究》文中指出习近平总书记在中国共产党第十九次全国代表大会所作的《决胜全面建成小康社会,夺取新时代中国特色社会主义伟大胜利》报告中指出:“我国经济已由高速增长阶段转向高质量发展阶段,正处在转变发展方式、优化经济结构、转换增长动力的攻关期,建设现代化经济体系是跨越关口的迫切要求和我国发展的战略目标。”由此学界与理论界已经就此重大判断达成共识,中国经济已经走过了高速增长的阶段,步入了高质量发展的阶段。经济高质量发展是我国保持经济良好运行必须经历的阶段,是有利于我国从经济大国向经济强国转变的一个发展过程。作为经济社会的微观基础,企业的高质量发展是经济高质量发展的基础和实现形式,企业高质量发展是我国经济高质量发展的根本基石。社会中的经济人具有社会属性,其行为决策不能保持完全的独立,而是会受到社会网络中其他经济人行为决策的影响,同样,经济组织也具有社会属性,企业作为经济社会中生产与经营的基本单位,其相互之间也存在着各种关联,企业的行为决策也受到其所嵌入网络的影响。企业网络嵌入不仅可以增强企业之间的资源获取能力、信息共享性,还可以强化企业间的信任和互惠基础。那么,企业通过什么样的网络相互嵌入?其嵌入现状是怎样的?网络嵌入后企业的行为,又如何影响其发展质量?为了回答以上问题,本文从网络嵌入视角,考察了网络嵌入对企业高质量发展的影响。本文首先梳理了现有文献的发展脉络,为本文的研究提供相关的理论支持、论证研究的价值。其次,对利用透明度较高上市公司数据,建立以企业的连锁董事网络、交叉持股网络和担保网络为基础的网络结构图谱,使用社会网络分析方法,对企业网络嵌入现状分析。再次,综合运用经济学分析方法与社会网络分析方法,利用制造业上市公司数据考察企业网络嵌入对企业高质量发展对影响。最后,得出结论并提出相应的政策建议。本文将企业之间以连锁董事关系为代表的人际关系、以交叉持股关系为代表的利益关系以及以相互担保关系为代表的信用关系纳入统一的分析框架,从人、股、资金三个维度对制造业上市公司网络进行了较为全面的分析。此外,本文论证了全要素生产率、企业组织韧性与企业社会责任三个方面作为企业高质量发展指标的适用性,对制造业上市公司高质量发展进行了较为全面的分析。通过对上市公司网络嵌入的整理与计算,本文发现连锁董事网络的整体密度自2003年以来出现逐年上升趋势,上市公司之间通过董事的交叉任职产生了越来越紧密的连接,计算机、通信和其他电子设备制造业这一细分行业内拥有连锁董事的公司最多;交叉持股网络整体参与度在2014年达到顶峰后逐渐减弱,网络连接呈现密集化态势;担保网络的整体密度则从2003年开始就有逐渐减弱的趋势,到2018年仅有9家上市公司处于担保网络中。我国上市公司网络嵌入的现象普遍存在,企业网络嵌入在不同维度有不同的发展趋势。全要素生产率方面,连锁董事网络对于其的提升具有显着促进作用,在连锁董事网络中占据中心位置的企业能够增强自身的资源配置能力,这对企业自身高质量发展具有重要意义。外部连锁董事网络对促进企业全要素生产率提升的作用更大,并且债务成本在两者关系中起到中介作用。在交叉持股网络中占据中心位置的企业具有更高的全要素生产率。当上市公司处于交叉持股网络桥梁位置时,企业的全要素生产率会有所提高。上市公司越偏离交叉持股网络结构洞位置,公司的资源配置表现越差,大股东掏空弱化了交叉持股网络的正向作用,并且交叉持股网络结构受到CEO金融背景的影响。加入担保网络中的上市公司会有更低的全要素生产率,非国有企业受到的负面影响更大,担保网络还减弱了上市公司创新投入的积极性,进一步减弱了企业的资源配置效率。组织韧性方面,连锁董事网络优势位置增加了企业的组织韧性,制造业上市公司可以通过合理构建其连锁董事关联,增强其自身抵御风险以及走出危机的能力,外部连锁董事网络对组织韧性具有更强的促进作用。在连锁董事网络中的优势位置缓解了公司的融资约束,进一步增加了公司的组织韧性。在交叉持股网络中,被持股公司在交叉持股网络中占据中心位置会导致其组织韧性减弱。而因持有其他上市公司的股票,占据交叉持股网络中心位置则是显着增强了企业的组织韧性。金融化水平对交叉持股网络与组织韧性之间的关系具有反向调节效应。担保网络对企业组织韧性的影响不显着。企业社会责任方面,在连锁董事网络中占据中心位置的企业具有更高的社会责任评级。当上市公司处于连锁董事网络的优势位置,上市公司能够通过连锁董事网络更好地连接到其他上市公司,获得更多的信息与资源,从而更多地承担社会责任。由于社会责任承担具有较强外部性,企业社会责任承担对内部董事的声誉影响较大,因此内部董事网络的影响更大。另外,如果董事长存在政治背景,连锁董事网络对企业社会责任评级指数的影响减弱。当公司更容易通过交叉持股网络连接到其他上市公司时,其社会责任的承担意愿更高,企业社会责任评级更高。行业竞争变量对交叉持股网络与企业社会责任评级之间的关系起到负向调节作用。制造业上市公司加入担保网络后,由于逆向选择和道德风险的存在,无论是当期还是上一期,其社会责任评级指数显着降低,而且无论上市公司是担保方还是被担保方,其社会责任评级都显着降低。新闻媒体作为舆论监督的主体,有助于企业社会责任提升,但是企业加入担保网络后,这一舆论监督作用减弱。网络的形成往往不是最优的,在形成网络时,人们没有把网络嵌入关系带来的影响都纳入行为决策中,因此从网络视角去改善企业关系,有助于企业提升自身的发展质量,我国社会也会增强整体的经济实力,获得高质量的发展。本文的研究有助于制造业上市公司清晰地认识到网络关系对自身发展的作用,也有助于政策制定者从宏观层面把握企业网络关系动向,动态调整相关政策措施。从全要素生产率、企业组织韧性与企业社会责任三个方面对企业高质量发展进行考察,体现了新时代的新发展理念,能够更好地反映出企业高质量发展的逻辑框架,无论是从制造业上市公司自身发展角度,还是从政府监管角度都提供了有益借鉴。
张旭[10]（2020）在《基于系统日志分析的安全事件挖掘技术研究与应用》文中认为随着大数据时代的到来,网络规模不断扩大,维护网络空间安全的相关方法、技术也日益重要。其中,运行在网络空间中的各类计算系统,一般都会以文本方式建立和维护系统运行日志,其所记录的信息中包含大量的本地安全事件信息。由于安全信息具有以下特点:全面性、全时域、不可替代性等,使得基于系统日志挖掘安全事件及相关技术研究,成为网络空间安全领域的热点之一。因此,本文以提高基于系统日志安全事件的速度与性能为目标,开展相关的研究,设计实现了基于系统日志的安全事件分析系统。主要研究工作和成果包括:1、详细分析了电信网络应用场景的需求与条件,对网络安全事件的特征、文本语义特征提取方法、文本分类方法、并行计算架构进行了详细的研究分析。2、为提高日志安全事件分类的准确率,通过研究分析,结合BERT和LSTM算法,实现对系统日志中安全事件进行分析与分类。其主要特点在于针对传统语言模型无法解决词语多义性的问题,提出采用BERT预训练语言模型提取单条日志语义特征信息,并结合LSTM循环神经网络作为训练网络。在某省电信公司真实数据集和IDS2018数据集上的实验结果表明,优于其他文本分类模型。3、基于并行计算的理念和技术,设计了一种两级并行计算架构,应用Spark计算技术、Kafka分布式消息系统和GPGPU并行处理,该架构可以有效提高日志数据分析挖掘的计算效率。4、为对上述研究成果予以验证和应用,基于电信网络平台,给出了“基于系统日志的安全事件分析系统”的设计方案。系统包括日志预处理模块、Kafka并行计算管理模块、GPGPU并行计算管理模块、日志计算分析模块等功能模块,能结合电信网络平台管理业务需求,实现网络安全事件分析与分类。主要研究贡献:BERT-LSTM日志安全事件分类算法对网络安全事件分析与分类,以及构建基于Spark计算技术、Kafka分布式消息系统和GPGPU的两级并行计算架构,实现了基于系统日志的安全事件分析系统,并对应用系统予以实现和测试,结果表明该系统可以有效地实现预期功能。
二、网络计算管理研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络计算管理研究（论文提纲范文）
（1）复杂大型建设项目费用偏差控制方法及信息系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂大型建设项目研究现状 |
| 1.2.2 项目费用控制研究现状 |
| 1.2.3 预警方法研究现状 |
| 1.2.4 纠偏策略研究现状 |
| 1.2.5 信息系统应用研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 复杂大型建设项目特点及费用控制分析 |
| 2.1.1 复杂大型建设项目特点分析 |
| 2.1.2 复杂大型建设项目费用偏差控制参与主体 |
| 2.1.3 复杂大型建设项目费用控制复杂性分析 |
| 2.2 费用偏差控制相关理论研究 |
| 2.2.1 费用偏差控制内涵 |
| 2.2.2 费用偏差影响因素分析 |
| 2.2.3 费用偏差控制基本原则 |
| 2.3 费用偏差控制模型及方法研究 |
| 2.3.1 偏差特征系统动力学理论 |
| 2.3.2 神经网络模型 |
| 2.3.3 费用偏差预警聚类方法 |
| 2.3.4 费用偏差控制策略及评价理论 |
| 2.4 本章小结 |
| 第3章 基于系统动力学的费用偏差影响因素识别研究 |
| 3.1 复杂大型建设项目费用监控模式 |
| 3.1.1 费用监控模式特征分析 |
| 3.1.2 费用监控模式构建 |
| 3.1.3 费用监控模式运行流程 |
| 3.2 费用偏差影响因素的系统动力学模型构建 |
| 3.2.1 系统动力学的基本理论 |
| 3.2.2 基于系统动力学的费用偏差控制的可行性分析 |
| 3.2.3 系统动力学模型构建 |
| 3.3 费用偏差影响因素的子系统方程式建立 |
| 3.3.1 系统动力学建模中涉及到的数学方法 |
| 3.3.2 影响因素的子系统方程式建立 |
| 3.4 系统动力学模型仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于改进神经网络模型的费用偏差控制方法研究 |
| 4.1 工程建设项目费用偏差计算需求及特点分析 |
| 4.2 基于K-means算法的费用偏差警情计算模型研究 |
| 4.2.1 K-means聚类理论及缺陷分析 |
| 4.2.2 K-means聚类方法改进及适用性研究 |
| 4.2.3 基于改进K-means算法的费用偏差计算模型构建 |
| 4.3 基于改进神经网络模型的费用偏差计算模型研究 |
| 4.3.1 神经网络模型原理分析 |
| 4.3.2 神经网络模型的改进及适用性研究 |
| 4.3.3 基于改进神经网络模型的费用偏差计算模型构建 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于流程再造的费用偏差控制策略及效果评价 |
| 5.1 复杂大型建设项目费用偏差控制中的流程再造与协同 |
| 5.1.1 费用偏差控制中流程再造与协同的目标 |
| 5.1.2 费用偏差控制中流程再造与协同的原则 |
| 5.2 复杂大型建设项目各阶段费用偏差控制策略 |
| 5.2.1 前期决策阶段的费用偏差控制策略 |
| 5.2.2 中期实施阶段的费用偏差控制策略 |
| 5.2.3 后期运维阶段的费用偏差控制策略 |
| 5.3 复杂大型建设项目费用偏差控制效果评价 |
| 5.3.1 费用偏差控制效果评价指标体系 |
| 5.3.2 基于支撑度理论的纠偏控制效果评价群决策模型 |
| 5.3.3 算例分析 |
| 5.4 本章小结 |
| 第6章 复杂大型项目费用偏差控制信息系统分析与设计 |
| 6.1 复杂大型建设项目CDMIS分析 |
| 6.1.1 复杂大型建设项目CDMIS的定义 |
| 6.1.2 复杂大型建设项目CDMIS的建设目标 |
| 6.1.3 复杂大型建设项目CDMIS的用户分析 |
| 6.1.4 复杂大型建设项目CDMIS的需求分析 |
| 6.2 复杂大型建设项目CDMIS设计 |
| 6.2.1 系统的总体设计原则及开发方法 |
| 6.2.2 系统的平台整体设计 |
| 6.2.3 复杂大型建设项目CDMIS的功能及模块设计 |
| 6.2.4 复杂大型建设项目CDMIS的数据库设计 |
| 6.3 复杂大型建设项目CDMIS关键技术 |
| 6.3.1 复杂大型建设项目CDMIS的开发技术选型 |
| 6.3.2 复杂大型建设项目CDMIS的数据仓库设计 |
| 6.3.3 复杂大型建设项目CDMIS的模型管理模块设计 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）无线网络智能感知与切片资源管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 人工智能模型概述 |
| 1.2.1 深度学习 |
| 1.2.2 强化学习 |
| 1.2.3 深度Q网络 |
| 1.3 论文研究内容 |
| 1.4 主要贡献及结构安排 |
| 2 基于RCLSTM的网络流量与用户移动性感知 |
| 2.1 引言 |
| 2.1.1 背景介绍 |
| 2.1.2 相关研究 |
| 2.1.3 方法和结论 |
| 2.2 RCLSTM单元 |
| 2.2.1 动机和目标 |
| 2.2.2 模型介绍 |
| 2.3 时间序列预测定义 |
| 2.3.1 单步预测 |
| 2.3.2 多步预测 |
| 2.4 网络流量预测 |
| 2.4.1 数据介绍及预处理 |
| 2.4.2 评估指标 |
| 2.4.3 仿真实验 |
| 2.4.4 仿真结果分析 |
| 2.5 用户移动性预测 |
| 2.5.1 数据介绍及预处理 |
| 2.5.2 仿真实验 |
| 2.5.3 仿真结果分析 |
| 2.6 小结与讨论 |
| 3 基于生成对抗网络的MIMO信道估计方法 |
| 3.1 引言 |
| 3.1.1 背景介绍 |
| 3.1.2 相关研究 |
| 3.1.3 方法和结论 |
| 3.2 系统模型 |
| 3.3 基于GAN的信道估计方法 |
| 3.3.1 相关背景介绍 |
| 3.3.2 N2N-GAN |
| 3.4 仿真验证 |
| 3.4.1 仿真数据和评估标准 |
| 3.4.2 仿真结果分析 |
| 3.5 小结与讨论 |
| 4 基于强化学习与生成对抗网络的网络切片资源管理 |
| 4.1 引言 |
| 4.1.1 背景介绍 |
| 4.1.2 相关研究 |
| 4.1.3 方法和结论 |
| 4.2 系统模型 |
| 4.3 基于GAN的 Di RL算法 |
| 4.3.1 数学背景 |
| 4.3.2 GAN-DDQN |
| 4.3.3 收敛性分析 |
| 4.3.4 Dueling GAN-DDQN |
| 4.4 仿真实验 |
| 4.4.1 仿真环境设定 |
| 4.4.2 仿真结果分析 |
| 4.5 小结与讨论 |
| 5 结论和展望 |
| 5.1 成果和结论 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
| 简历 |
（3）多网络计算资源融合的边缘预警系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文主要工作 |
| 第二章 相关技术介绍 |
| 2.1 云计算与边缘计算 |
| 2.1.1 云计算概述 |
| 2.1.2 边缘计算概述 |
| 2.1.3 边缘计算通用架构 |
| 2.2 边缘计算与无线通信 |
| 2.2.1 5G通信技术 |
| 2.2.2 5G通信技术与边缘计算 |
| 2.3 微服务架构 |
| 2.3.1 微服务研究现状与设计思想 |
| 2.3.2 Spring Cloud框架 |
| 2.3.3 容器技术 |
| 2.4 一致性哈希算法 |
| 2.4.1 一致性哈希算法的原理 |
| 2.4.2 一致性哈希算法的优点 |
| 2.5 本章小结 |
| 第三章 需求分析 |
| 3.1 系统整体需求 |
| 3.1.1 问题和挑战分析 |
| 3.1.2 场景分析 |
| 3.1.3 需求概述 |
| 3.2 用户角色分析 |
| 3.2.1 普通用户(现场执法人员) |
| 3.2.2 管理员(指挥调度人员) |
| 3.3 非功能需求 |
| 3.3.1 易用性 |
| 3.3.2 低延时 |
| 3.3.3 灵活性 |
| 3.3.4 可靠性 |
| 3.4 本章小结 |
| 第四章 多网络计算资源融合研究 |
| 4.1 多网络计算资源融合架构设计 |
| 4.1.1 问题描述 |
| 4.1.2 架构概述 |
| 4.2 边缘节点部署与基于一致性哈希算法的调度策略 |
| 4.2.1 边缘节点的部署方式 |
| 4.2.2 基于一致性哈希算法的边缘节点管理 |
| 4.2.3 多网络计算资源协作 |
| 4.2.4 计算任务迁移流程 |
| 4.2.5 算法流程 |
| 4.3 融合设计仿真与实验结果 |
| 4.3.1 网络内部服务迁移 |
| 4.3.2 多网络之间服务迁移 |
| 4.4 本章小结 |
| 第五章 系统总体设计 |
| 5.1 系统静态结构设计 |
| 5.1.1 系统设计概述 |
| 5.1.2 系统架构设计 |
| 5.1.3 车载边缘节点设计 |
| 5.1.4 基站边缘节点设计 |
| 5.2 边缘预警设计 |
| 5.2.1 心率数据预警 |
| 5.2.2 位置数据预警 |
| 5.2.3 视频数据预警 |
| 5.3 关键模块设计 |
| 5.3.1 用户管理微服务设计 |
| 5.3.2 设备管理微服务设计 |
| 5.3.3 任务信息微服务设计 |
| 5.3.4 风险预警微服务设计 |
| 5.3.5 边缘节点管理微服务设计 |
| 5.4 系统动态结构设计 |
| 5.4.1 用户管理流程 |
| 5.4.2 设备管理流程 |
| 5.4.3 预警与实时信息查询流程 |
| 5.4.4 计算任务迁移流程 |
| 5.5 系统API设计 |
| 5.5.1 用户管理API |
| 5.5.2 设备管理API |
| 5.5.3 任务信息查询API |
| 5.5.4 风险预警API |
| 5.5.5 边缘节点信息查询API |
| 5.6 系统数据库设计 |
| 5.6.1 用户相关数据库设计 |
| 5.6.2 设备相关数据库设计 |
| 5.6.3 任务相关数据库设计 |
| 5.6.4 风险预警相关数据库设计 |
| 5.6.5 边缘节点相关数据库设计 |
| 5.7 本章小结 |
| 第六章 系统测试与分析 |
| 6.1 测试环境设计 |
| 6.1.1 硬件环境 |
| 6.1.2 软件环境 |
| 6.1.3 测试环境 |
| 6.2 系统功能测试 |
| 6.2.1 单功能测试 |
| 6.2.2 预警功能测试 |
| 6.2.3 组合功能测试 |
| 6.3 系统非功能性测试 |
| 6.4 测试结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）一种基于云计算的资源调度方案的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 云计算研究现状 |
| 1.2.2 资源调度研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 云计算资源调度技术综述 |
| 2.1 云计算基础 |
| 2.1.1 云计算定义 |
| 2.1.2 云计算分类 |
| 2.1.3 体系结构 |
| 2.1.4 虚拟化技术 |
| 2.2 资源调度概述 |
| 2.2.1 资源调度简介 |
| 2.2.2 资源调度优化目标 |
| 2.2.3 资源调度算法 |
| 2.3 OpenStack云平台 |
| 2.4 CloudSim云仿真平台 |
| 2.5 本章小结 |
| 第三章 基于遗传量子粒子群算法的虚拟机调度方案 |
| 3.1 问题分析 |
| 3.2 调度数学模型的构建 |
| 3.2.1 问题描述与定义 |
| 3.2.2 负载均衡模型 |
| 3.2.3 资源利用率模型 |
| 3.2.4 云平台能耗模型 |
| 3.3 算法基础 |
| 3.3.1 遗传算法 |
| 3.3.2 量子粒子群优化算法 |
| 3.4 HGQP算法 |
| 3.4.1 编解码以及种群初始化 |
| 3.4.2 适应度函数的确定 |
| 3.4.3 遗传算子的确定 |
| 3.4.4 收缩扩张系数的确定 |
| 3.4.5 平均最佳位置的改进 |
| 3.5 仿真实验 |
| 3.5.1 实验环境和配置 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 云计算资源调度平台设计与实现 |
| 4.1 需求分析 |
| 4.1.1 功能性需求分析 |
| 4.1.2 非功能性需求分析 |
| 4.2 平台详细设计与实现 |
| 4.2.1 总体架构 |
| 4.2.2 管理模块 |
| 4.2.3 资源监控模块 |
| 4.2.4 资源调度模块 |
| 4.3 平台搭建与测试 |
| 4.3.1 环境搭建 |
| 4.3.2 管理模块功能测试 |
| 4.3.3 资源调度模块功能测试 |
| 4.3.4 资源监控模块功能测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（5）面向空天地远程物联网络的计算卸载和资源管理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和创新点 |
| 1.4 论文结构安排 |
| 第二章 基于UAV轨迹调度的SAG-IoRT网络的计算卸载能耗优化 |
| 2.1 引言 |
| 2.2 系统模型及优化问题形成 |
| 2.2.1 系统模型 |
| 2.2.2 优化问题形成 |
| 2.3 问题求解及算法设计 |
| 2.3.1 问题松弛 |
| 2.3.2 子问题1: 联合设备调度和任务分配优化 |
| 2.3.3 子问题2: 传输比特分配优化 |
| 2.3.4 子问题3: UAV轨迹优化 |
| 2.3.5 联合设备调度、任务分配、传输比特分配和UAV轨迹的最优化 |
| 2.3.6 收敛性能分析 |
| 2.3.7 计算复杂度分析 |
| 2.4 数值结果及分析 |
| 2.5 本章小结 |
| 第三章 基于UAV能量传输的SAG-IoRT网络的计算性能优化 |
| 3.1 引言 |
| 3.2 系统模型及优化问题形成 |
| 3.2.1 系统模型 |
| 3.2.2 优化问题形成 |
| 3.3 问题求解及算法设计 |
| 3.3.1 Lyapunov函数和漂移加罚项 |
| 3.3.2 子问题1: CPU周期频率优化 |
| 3.3.3 子问题2: 功率分配优化 |
| 3.3.4 子问题3: UAV轨迹设计优化 |
| 3.3.5 联合CPU周期频率、功率控制和UAV轨迹规划的最优化 |
| 3.3.6 算法稳定性分析 |
| 3.3.7 算法可持续性分析 |
| 3.3.8 计算收敛性和复杂度分析 |
| 3.4 数值结果及分析 |
| 3.5 本章小结 |
| 第四章 基于网络切片架构的SAG-IoRT网络的计算卸载收益优化 |
| 4.1 引言 |
| 4.2 系统模型及优化问题形成 |
| 4.2.1 系统模型 |
| 4.2.2 优化问题形成 |
| 4.3 问题求解及算法设计 |
| 4.3.1 问题松弛 |
| 4.3.2 子问题1: 联合设备连接和设备到UAV传输功率优化 |
| 4.3.3 子问题2: 设备到LEO传输功率优化 |
| 4.3.4 子问题3: 联合CPU周期频率分配和UAV部署优化 |
| 4.3.5 联合设备连接、传输功率、CPU周期频率分配以及UAV部署的最优化 |
| 4.3.6 收敛性能分析 |
| 4.3.7 计算复杂度分析 |
| 4.4 数值结果及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文和专利 |
（6）时延保障的异构边缘网络计算任务智能卸载机制的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景与意义 |
| 1.2 研究内容 |
| 1.3 研究生期间主要工作 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 相关研究工作 |
| 2.1 边缘计算技术 |
| 2.1.1 边缘计算卸载概述 |
| 2.1.2 边缘计算卸载分类 |
| 2.1.3 边缘计算卸载性能指标 |
| 2.2 强化学习 |
| 2.2.1 强化学习概述 |
| 2.2.2 深度强化学习 |
| 2.3 本章小结 |
| 第三章 异构边缘计算网络的计算卸载模型 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 异构边缘网络场景 |
| 3.2.2 优化目标描述 |
| 3.3 建模过程 |
| 3.3.1 网络模型 |
| 3.3.2 传输模型 |
| 3.3.3 计算模型 |
| 3.3.4 优化目标 |
| 3.3.5 建模结果 |
| 3.4 本章小结 |
| 第四章 基于深度强化学习的计算任务卸载决策算法 |
| 4.1 引言 |
| 4.2 马尔可夫决策过程模型 |
| 4.3 基于确定性策略梯度的计算任务卸载算法 |
| 4.4 实验与评估 |
| 4.4.1 实验参数设置 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 边缘计算卸载算法仿真验证系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 功能性需求 |
| 5.1.2 非功能性需求 |
| 5.2 概要设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统模块设计 |
| 5.2.3 系统流程设计 |
| 5.2.4 数据库设计 |
| 5.3 详细设计 |
| 5.3.1 用户管理模块 |
| 5.3.2 边缘网络管理模块 |
| 5.3.3 设备与任务管理模块 |
| 5.3.4 算法管理模块 |
| 5.4 系统实现 |
| 5.4.1 搭建方案 |
| 5.4.2 系统界面展示 |
| 5.5 系统测试 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
（7）面向移动边缘网络的资源管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 移动边缘网络 |
| 2.1 移动边缘网络定义 |
| 2.2 移动边缘计算 |
| 2.3 边缘网络服务器 |
| 2.4 边缘缓存 |
| 2.5 本章小结 |
| 第三章 移动边缘网络计算卸载模型设计 |
| 3.1 计算卸载基本流程 |
| 3.2 计算卸载算法 |
| 3.2.1 单连接卸载 |
| 3.2.2 多连接卸载 |
| 3.2.3 计算卸载分配策略 |
| 3.3 计算卸载仿真结果分析 |
| 3.3.1 单连接卸载仿真结果 |
| 3.3.2 多连接卸载仿真结果 |
| 3.4 本章小结 |
| 第四章 移动边缘网络缓存分配研究 |
| 4.1 移动边缘网络缓存模型 |
| 4.2 基于LSTM的移动边缘缓存预测算法 |
| 4.2.1 传统RNN网络 |
| 4.2.2 LSTM网络特点 |
| 4.2.3 基于LSTM的预测算法原理 |
| 4.2.4 LSTM热点预测算法优点 |
| 4.3 用户申请服务策略 |
| 4.3.1 数据交互过程 |
| 4.3.2 通信系统原理 |
| 4.3.3 申请服务策略分析 |
| 4.3.4 缓存策略优化 |
| 4.4 边缘缓存仿真结果分析 |
| 4.4.1 热点内容预测 |
| 4.4.2 申请服务时延 |
| 4.5 本章小结 |
| 第五章 网络流量带宽主动分配模型设计 |
| 5.1 网络波动检测 |
| 5.1.1 网络波动原因 |
| 5.1.2 网络波动判定算法 |
| 5.2 流量带宽主动分配模型设计 |
| 5.2.1 系统模型设计 |
| 5.2.2 流量带宽主动分配算法 |
| 5.3 流量带宽分配仿真结果分析 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（8）基于区块链的边缘计算资源分配机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 区块链技术 |
| 1.2.2 边缘资源管理 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术分析 |
| 2.1 区块链分析 |
| 2.1.1 区块结构 |
| 2.1.2 可信交易 |
| 2.1.3 区块链关键特性 |
| 2.1.4 区块链分层结构 |
| 2.2 区块链核心技术分析 |
| 2.2.1 P2P网络 |
| 2.2.2 密码散列函数 |
| 2.2.3 非对称加密算法 |
| 2.2.4 共识机制 |
| 2.2.5 智能合约 |
| 2.3 基于区块链的边缘计算技术分析 |
| 2.3.1 区块链集成边缘计算基础框架 |
| 2.3.2 边缘网络实体身份管理 |
| 2.3.3 基于区块链的边缘协作 |
| 2.4 本章小结 |
| 第三章 基于区块链的边缘计算资源分配的研究 |
| 3.1 需求及问题分析 |
| 3.1.1 资源信息的公开 |
| 3.1.2 可信的资源分配 |
| 3.1.3 可信的资源使用 |
| 3.2 资源提供和资源请求的可信标识及验证 |
| 3.2.1 资源提供和资源请求的可信标识 |
| 3.2.2 资源提供和资源请求合法性验证 |
| 3.3 面向资源分配的数据“上链” |
| 3.3.1 数据“上链”过程分析 |
| 3.3.2 适用于边缘网络的共识机制选择 |
| 3.3.3 面向资源分配的“权益”的定义 |
| 3.4 资源使用合法性验证 |
| 3.5 方案分析 |
| 3.6 本章小结 |
| 第四章 基于区块链的边缘计算资源分配的设计与实现 |
| 4.1 仿真实现环境的选择和分析 |
| 4.2 系统的功能设计 |
| 4.2.1 资源提供信息发布功能设计 |
| 4.2.2 资源请求信息发布功能设计 |
| 4.2.3 资源使用合法性验证功能设计 |
| 4.3 总体实现方案 |
| 4.4 系统的功能实现 |
| 4.4.1 资源提供信息发布功能实现 |
| 4.4.2 资源请求信息发布功能实现 |
| 4.4.3 资源使用合法性验证功能实现 |
| 4.5 本章小结 |
| 第五章 测试与结果分析 |
| 5.1 测试方案及测试环境 |
| 5.1.1 测试方案 |
| 5.1.2 测试环境和测试过程 |
| 5.2 测试结果与分析 |
| 5.2.1 资源提供信息发布测试结果与分析 |
| 5.2.2 资源请求信息发布测试结果与分析 |
| 5.2.3 资源使用合法性验证测试结果与分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 致谢 |
（9）网络嵌入视角下制造业企业高质量发展问题研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 研究思路与研究框架 |
| 1.3 研究方法与研究意义 |
| 1.4 创新点与不足之处 |
| 第二章 文献综述 |
| 2.1 企业网络嵌入 |
| 2.1.1 连锁董事网络 |
| 2.1.2 交叉持股网络 |
| 2.1.3 担保网络 |
| 2.2 企业高质量发展 |
| 2.2.1 企业高质量发展指标选择 |
| 2.2.2 企业全要素生产率与高质量发展 |
| 2.2.3 企业组织韧性与高质量发展 |
| 2.2.4 企业社会责任与高质量发展 |
| 2.3 总结 |
| 第三章 上市公司网络嵌入现状 |
| 3.1 社会网络分析方法 |
| 3.1.1 网络中心度 |
| 3.1.2 网络结构洞 |
| 3.2 连锁董事网络 |
| 3.2.1 连锁董事网络的度量 |
| 3.2.2 连锁董事网络的现状 |
| 3.3 交叉持股网络 |
| 3.3.1 交叉持股网络的度量 |
| 3.3.2 交叉持股网络的现状 |
| 3.4 担保网络 |
| 3.4.1 担保网络的度量 |
| 3.4.2 担保网络的现状 |
| 3.5 本章小结 |
| 第四章 企业网络嵌入与全要素生产率 |
| 4.1 连锁董事、债务成本与全要素生产率 |
| 4.1.1 理论分析与研究假说 |
| 4.1.2 数据样本和模型设定 |
| 4.1.3 基准回归结果 |
| 4.1.4 债务成本中介效应检验 |
| 4.1.5 董事性质异质性分析 |
| 4.1.6 进一步分析 |
| 4.1.7 广义矩估计检验 |
| 4.2 交叉持股、大股东掏空与全要素生产率 |
| 4.2.1 理论分析与研究假说 |
| 4.2.2 数据样本和模型设定 |
| 4.2.3 基准回归结果 |
| 4.2.4 大股东掏空的调节作用 |
| 4.2.5 CEO金融背景与交叉持股网络结构 |
| 4.2.6 稳健性检验 |
| 4.3 担保网络、创新投入与全要素生产率 |
| 4.3.1 理论分析与研究假说 |
| 4.3.2 数据样本和模型设定 |
| 4.3.3 基准回归结果 |
| 4.3.4 企业性质异质性分析 |
| 4.3.5 创新投入中介效应检验 |
| 4.3.6 PSM稳健性检验 |
| 4.4 本章小结 |
| 第五章 企业网络嵌入与组织韧性 |
| 5.1 连锁董事、融资约束与组织韧性 |
| 5.1.1 理论分析与研究假说 |
| 5.1.2 数据样本和模型设定 |
| 5.1.3 基准回归结果 |
| 5.1.4 董事性质异质性分析 |
| 5.1.5 融资约束中介效应检验 |
| 5.1.6 替换变量稳健性检验 |
| 5.2 交叉持股、金融化水平与组织韧性 |
| 5.2.1 理论分析与研究假说 |
| 5.2.2 数据样本和模型设定 |
| 5.2.3 基准回归结果 |
| 5.2.4 金融化水平的调节作用 |
| 5.2.5 替换变量稳健性检验 |
| 5.3 担保网络与组织韧性 |
| 5.3.1 理论分析与研究假说 |
| 5.3.2 数据样本和模型设定 |
| 5.3.3 回归结果与分析 |
| 5.4 本章小结 |
| 第六章 企业网络嵌入与社会责任 |
| 6.1 连锁董事、政治背景与企业社会责任 |
| 6.1.1 理论分析与研究假说 |
| 6.1.2 数据样本和模型设定 |
| 6.1.3 基准回归结果 |
| 6.1.4 董事性质异质性分析 |
| 6.1.5 董事长政治背景的调节作用 |
| 6.1.6 2SLS法稳健性检验 |
| 6.2 交叉持股、行业竞争与企业社会责任 |
| 6.2.1 理论分析与研究假说 |
| 6.2.2 数据样本和模型设定 |
| 6.2.3 基准回归结果 |
| 6.2.4 行业竞争的调节作用 |
| 6.2.5 滞后项稳健性检验 |
| 6.3 担保网络、媒体报道与企业社会责任 |
| 6.3.1 理论分析与研究假说 |
| 6.3.2 数据样本和模型设定 |
| 6.3.3 基准回归结果 |
| 6.3.4 媒体报道与企业社会责任 |
| 6.3.5 PSM稳健性检验 |
| 6.4 本章小结 |
| 第七章 主要结论与政策建议 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 学位论文评阅及答辩情况表 |
（10）基于系统日志分析的安全事件挖掘技术研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源与选题依据 |
| 1.1.1 课题来源 |
| 1.1.2 选题依据 |
| 1.2 研究现状与意义 |
| 1.3 本文主要工作 |
| 1.4 论文组织结构 |
| 第2章 相关理论技术与总体研究思路 |
| 2.1 BERT |
| 2.2 LSTM |
| 2.3 Spark |
| 2.4 Kafka |
| 2.5 GPGPU |
| 2.6 总体研究思路 |
| 2.7 本章小结 |
| 第3章 基于BERT-LSTM的日志安全事件分类算法 |
| 3.1 概述 |
| 3.2 基于BERT-LSTM的日志安全事件分类算法 |
| 3.2.1 日志预处理 |
| 3.2.2 单条日志记录语义特征提取 |
| 3.2.3 日志序列间关联信息提取 |
| 3.2.4 BERT-LSTM的日志安全事件分类算法描述 |
| 3.3 实验结果与分析 |
| 3.3.1 实验数据集 |
| 3.3.2 算法评价指标 |
| 3.3.3 实验设计与结果分析 |
| 3.4 本章小结 |
| 第4章 基于系统日志的安全事件分析系统的设计 |
| 4.1 需求分析 |
| 4.1.1 总体目标 |
| 4.1.2 功能性需求分析 |
| 4.1.3 性能需求分析 |
| 4.2 系统架构设计 |
| 4.3 功能模块组成 |
| 4.4 日志预处理模块 |
| 4.5 Kafka并行计算管理模块 |
| 4.6 GPGPU并行计算管理模块 |
| 4.7 日志计算分析模块 |
| 4.8 结果展示模块 |
| 4.9 数据库设计 |
| 4.9.1 数据库逻辑设计 |
| 4.9.2 数据库表设计 |
| 4.10 本章小结 |
| 第5章 基于系统日志的安全事件分析系统的实现 |
| 5.1 开发环境 |
| 5.2 核心功能模块实现代码 |
| 5.3 系统主要功能效果图 |
| 5.4 计算性能测试 |
| 5.5 主要功能测试 |
| 5.5.1 测试目的与方法 |
| 5.5.2 测试用例 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
四、网络计算管理研究（论文参考文献）
- [1]复杂大型建设项目费用偏差控制方法及信息系统设计[D]. 孙肖坤. 华北电力大学(北京), 2021(01)
- [2]无线网络智能感知与切片资源管理研究[D]. 华郁秀. 浙江大学, 2021(01)
- [3]多网络计算资源融合的边缘预警系统设计与实现[D]. 赵家宝. 北京邮电大学, 2021(01)
- [4]一种基于云计算的资源调度方案的研究与实现[D]. 康妍. 北京邮电大学, 2021(01)
- [5]面向空天地远程物联网络的计算卸载和资源管理算法研究[D]. 刘嫚. 北京邮电大学, 2021(01)
- [6]时延保障的异构边缘网络计算任务智能卸载机制的设计与实现[D]. 李云昭. 北京邮电大学, 2021(01)
- [7]面向移动边缘网络的资源管理研究[D]. 杨子毅. 电子科技大学, 2021(01)
- [8]基于区块链的边缘计算资源分配机制研究[D]. 戴俊杰. 南京邮电大学, 2020(03)
- [9]网络嵌入视角下制造业企业高质量发展问题研究[D]. 逯苗苗. 山东大学, 2020(11)
- [10]基于系统日志分析的安全事件挖掘技术研究与应用[D]. 张旭. 南昌大学, 2020(12)