基于監(jiān)督學習的網(wǎng)絡優(yōu)化問題求解研究
發(fā)布時間:2024-05-08 21:24
隨著人工智能技術(shù)的興起,機器學習作為人工智能的重要技術(shù),在解決傳統(tǒng)問題上扮演著越來越重要的角色,其中,監(jiān)督學習方法的應用最為廣泛。監(jiān)督學習利用經(jīng)驗數(shù)據(jù)進行建模,建模完成后,當有新的輸入時,可以快速準確預測輸出。由于監(jiān)督學習在許多領域的成功運用,推動著人們使用該方法進行其他領域的嘗試。許多網(wǎng)絡優(yōu)化問題如資源分配、任務調(diào)度等問題最終都可以轉(zhuǎn)化成組合優(yōu)化問題(Combinational Optimization Problem)求解。組合優(yōu)化問題有著悠久的歷史和廣泛的應用,由于大多數(shù)的組合優(yōu)化問題都是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)解的算法往往因為問題規(guī)模的擴大而產(chǎn)生“組合爆炸”的現(xiàn)象,使得組合優(yōu)化問題不能高效的求解。本文選擇了網(wǎng)絡設計中較為常見的問題進行建模,使用監(jiān)督學習方法進行求解嘗試,嘗試的方向包括直接預測解或者輔助傳統(tǒng)算法縮小求解空間。這兩個問題分別是:k中心問題(k center problem)和任務放置問題(Task Placement Problem,TPP)。k中心問題是設施放置的基礎問題,在例如CDN緩存放置的場...
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
本文編號:3967848
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
圖1-1本文各部分研究內(nèi)容之間的關系??Fig.?1-1?The?relationship?between?the?contents?of?each?part?of?this?dissertation??
?山東大學博士學位論文???第2章基于生成對抗網(wǎng)絡與度量學習的數(shù)據(jù)驅(qū)動頻率安全評估??|?頻率安全指標選取與輸入特征構(gòu)建?胃??基于生成對抗網(wǎng)絡和拒絕采樣與重采樣??技術(shù)的頻率安全#彳古模型訓練樣本生成??j基于度量學習方法的組合頻率安全評估模型???結(jié)構(gòu)與學習過程???數(shù)據(jù)驅(qū)動....
本文編號:3967848
本文鏈接:http://www.sikaile.net/guanlilunwen/ydhl/3967848.html
最近更新
教材專著