基于监督学习的网络优化问题求解研究

发布时间：2024-05-08 21:24

　　随着人工智能技术的兴起,机器学习作为人工智能的重要技术,在解决传统问题上扮演着越来越重要的角色,其中,监督学习方法的应用最为广泛。监督学习利用经验数据进行建模,建模完成后,当有新的输入时,可以快速准确预测输出。由于监督学习在许多领域的成功运用,推动着人们使用该方法进行其他领域的尝试。许多网络优化问题如资源分配、任务调度等问题最终都可以转化成组合优化问题(Combinational Optimization Problem)求解。组合优化问题有着悠久的历史和广泛的应用,由于大多数的组合优化问题都是NP难,传统算法往往基于启发式搜索算法,不能在较短时间内给出最优解的近似解。并且,能给出最优解的算法往往因为问题规模的扩大而产生“组合爆炸”的现象,使得组合优化问题不能高效的求解。本文选择了网络设计中较为常见的问题进行建模,使用监督学习方法进行求解尝试,尝试的方向包括直接预测解或者辅助传统算法缩小求解空间。这两个问题分别是:k中心问题(k center problem)和任务放置问题(Task Placement Problem,TPP)。k中心问题是设施放置的基础问题,在例如CDN缓存放置的场...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图１－１本文各部分研究内容之间的关系??Ｆｉｇ．?１－１?Ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ｔｈｅ?ｃｏｎｔｅｎｔｓ?ｏｆ?ｅａｃｈ?ｐａｒｔ?ｏｆ?ｔｈｉｓ?ｄｉｓｓｅｒｔａｔｉｏｎ??

?山东大学博士学位论文???第２章基于生成对抗网络与度量学习的数据驱动频率安全评估??｜?频率安全指标选取与输入特征构建?胃??基于生成对抗网络和拒绝采样与重采样??技术的频率安全＃彳古模型训练样本生成??ｊ基于度量学习方法的组合频率安全评估模型???结构与学习过程???数据驱动....

本文编号：3967848