本书建立时延、能耗、安全等优化目标下的任务卸载与资源分配理论模型，分析无线携能、网络切片等关键技术的理论基础，引入深度学习和强化学习等智能优化方法，系统而全面地介绍了边缘计算网络前沿理论和核心优化技术。聚焦实际应用，提出面向异构场景的任务卸载与资源分配优化策略，探讨无线携能技术在边缘网络的协同应用，深入分析网络切片与边缘协同优化方案以及智能驱动的边缘网络任务卸载及资源分配方法，以工业物联网和智慧城市为应用场景，验证所提理论与方法的有效性，并提出边缘计算与下一代网络的融合趋势。

更多科学出版社服务，请扫码获取。

1999.9-2003.7 西安科技大学攻读学士学位； 2007.9-2010.6 西安科技大学攻读硕士学位2003年7月参加工作，在渭南师范学院任教至今通信与信息系统，主要从事无线网络技术，人工智能算法研究。无刺花椒良种繁育、栽培及信息化推广技术示范 陕西林业科技成果奖二等奖 2024年（负责运用信息技术进行推广） Forest Fire Monitoring System and Energy Saving Algorithm 渭南市第十四届自然科学优秀论文及学术成果二等奖 2019年 MIMO-OFDM系统多用户检测算法研究 中国西部地区优秀图书二等奖 2013年渭南市计算机学会副秘书长

目录
前言
第一部分 基础理论与优化框架
第1章 边缘网络理论基础 3
1.1 边缘网络技术架构 3
1.2 边缘计算核心特性与概念演变 4
1.2.1 边缘计算背景与核心特性 4
1.2.2 移动边缘计算与网络架构 4
1.3 边缘计算与云计算、雾计算的关系 6
1.3.1 边缘计算与云计算 6
1.3.2 边缘计算与雾计算 7
1.4 边缘网络技术瓶颈与产业化挑战 9
第2章 边缘网络优化理论基础 11
2.1 优化目标与性能指标 11
2.1.1 时延与能耗 11
2.1.2 多目标优化与建模方法 12
2.1.3 数据安全与隐私 14
2.2 任务卸载与资源分配理论模型 15
2.2.1 边缘网络任务卸载 15
2.2.2 边缘网络资源分配 19
2.3 无线携能基础理论 20
2.3.1 无线能量传输原理 21
2.3.2 无线携能通信 21
2.4 网络切片理论基础 23
2.4.1 网络切片的定义 23
2.4.2 网络切片的基本架构 24
2.4.3 网络切片的类型 25
2.5 智能优化方法理论基础 25
2.5.1 深度学习理论 25
2.5.2 强化学习理论 29
第二部分 核心优化技术与方法
第3章 边缘网络任务卸载与资源分配优化策略 33
3.1 时延与能耗最小化的任务卸载与资源分配机制 33
3.1.1 系统模型 33
3.1.2 问题描述 35
3.1.3 算法设计 37
3.1.4 实验与性能分析 39
3.2 多目标任务卸载与资源分配联合优化 41
3.2.1 任务卸载与资源分配的多目标优化问题 41
3.2.2 基于Pareto前沿的多目标优化方法 43
3.2.3 实验与性能分析 45
3.3 安全感知驱动的任务卸载与资源分配联合优化 48
3.3.1 任务卸载与资源分配现有策略分析 49
3.3.2 系统模型 50
3.3.3 算法设计 54
3.3.4 仿真分析 59
第4章 边缘网络与无线携能技术 64
4.1 无线携能在边缘网络中的应用与发展 64
4.1.1 边缘网络中无线携能应用 64
4.1.2 无线携能与核心技术的协同 65
4.2 无线携能与MIMO技术结合 66
4.2.1 MIMO技术理论 66
4.2.2 MIMO信道模型及容量 66
4.2.3 MIMO技术的特点 70
4.2.4 融合架构 70
4.3 无线携能与传感器网络结合 77
4.3.1 系统模型 78
4.3.2 改进的数据传输策略 79
4.3.3 能量效率分析 80
4.3.4 性能评估 83
第5章 边缘计算与无线携能联合优化策略 87
5.1 边缘计算和无线携能的结合 87
5.2 SWIPT-MEC能效问题分析与优化 88
5.2.1 能效分析 88
5.2.2 能效优化 91
5.3 SWIPT-MEC计算卸载与资源分配 92
5.3.1 SWIPT-MEC资源分配分析 92
5.3.2 SWIPT-MEC最优计算卸载与资源分配算法 94
5.4 SWIPT-MEC多目标优化算法设计与分析 100
5.4.1 单用户多目标SWIPT-MEC系统模型 100
5.4.2 多目标优化算法设计与分析 102
第6章 网络切片与边缘协同优化 106
6.1 联合网络切片的边缘计算系统任务卸载方案 106
6.1.1 系统建模 106
6.1.2 任务卸载优化目标 108
6.1.3 任务卸载方案流程 110
6.2 联合网络切片的边缘计算系统资源分配策略 113
6.2.1 系统建模 114
6.2.2 多维度资源效用模型 115
6.2.3 分布式博弈框架 115
6.3 边缘计算场景中网络切片的安全部署研究 120
6.3.1 安全架构设计 120
6.3.2 切片隔离机制具体实施 122
6.3.3 隔离机制面临的挑战 125
第7章 智能驱动的边缘网络中任务卸载及资源分配方法 128
7.1 基于深度强化学习的任务卸载方法 128
7.1.1 深度强化学习 128
7.1.2 MEC服务器部署 129
7.1.3 算法设计 132
7.2 基于深度强化学习的资源分配算法 139
7.2.1 算法描述 139
7.2.2 性能评估 141
7.3 基于深度强化学习的无线携能边缘网络联合优化方法 145
7.3.1 系统建模 145
7.3.2 联合优化模型构建与求解 146
7.3.3 基于深度强化学习的联合优化求解方法 147
7.3.4 深度确定性策略梯度强化学习改进算法 148
第三部分 应用场景与前沿探索
第8章 工业物联网中计算卸载和资源分配策略 155
8.1 工业物联网概述 155
8.1.1 工业物联网架构 155
8.1.2 工业物联网面临的问题 156
8.1.3 移动边缘计算在工业领域中的应用 158
8.2 工业物联网边缘网络中时延能耗优化 159
8.2.1 系统模型 159
8.2.2 计算模型与能量消耗 160
8.2.3 任务调度策略 163
8.3 工业物联网中云边协同任务卸载方案 168
8.3.1 系统模型与问题描述 168
8.3.2 基于深度强化学习的任务卸载算法 169
第9章 智慧城市的边缘智能计算卸载与资源分配优化 176
9.1 智慧城市边缘网络架构 176
9.2 智慧城市边缘网络计算卸载 177
9.2.1 任务时延优化卸载方案 177
9.2.2 综合时延与能耗优化卸载方案 178
9.3 智慧城市边缘网络计算优化 181
9.3.1 云端训练与边缘推理 181
9.3.2 云边协同训练 183
9.3.3 边缘独立训练 184
9.4 智慧城市边缘网络资源分配模型与优化策略 185
9.4.1 智慧城市边缘网络资源分配分层架构 185
9.4.2 基于多级阈值的动态资源分配模型 186
9.4.3 基于网络切片的智能优化策略 187
第10章 边缘计算与下一代网络融合 193
10.1 边缘计算与下一代网络的关系演进 193
10.1.1 边缘计算的驱动 193
10.1.2 下一代网络核心需求与边缘计算赋能 193
10.2 边缘计算驱动的下一代网络关键技术 194
10.2.1 去中心化网络架构 194
10.2.2 算力网络与资源编排 195
10.2.3 AI赋能的边缘智能 195
10.2.4 安全与隐私增强机制 196
10.3 边缘网络关键问题与方向 196
参考文献 198