5G網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)與優(yōu)化

定　價(jià)：￥129.00

作　者：	克里斯托弗·拉爾森（Christofer Larsson）著，乜京月陳杰周曉津譯譯
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111658597	出版時(shí)間：	2020-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	316	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)的內(nèi)容集中在5G網(wǎng)絡(luò)設(shè)計(jì)和運(yùn)營(yíng)中的規(guī)劃、設(shè)計(jì)和優(yōu)化任務(wù)。這些任務(wù)可以表示為易于處理的優(yōu)化問(wèn)題，其中許多問(wèn)題可能看起來(lái)非常復(fù)雜，但使用了適當(dāng)?shù)臄?shù)學(xué)建模和新穎的優(yōu)化方法后顯示出令人驚嘆的改善結(jié)果，并為5G網(wǎng)絡(luò)規(guī)劃和優(yōu)化問(wèn)題提供了新的解決方案。本書(shū)總體重點(diǎn)是提高資源效率，無(wú)論主要目標(biāo)是容量、覆蓋范圍、延遲還是能耗?？梢钥闯觯m當(dāng)?shù)囊?guī)劃和設(shè)計(jì)可以大大提高上述幾個(gè)性能參數(shù)指標(biāo)。與“傳統(tǒng)”方法相比，通過(guò)適當(dāng)?shù)膬?yōu)化方法可以實(shí)現(xiàn)的改進(jìn)通常是相當(dāng)可觀的，可能在上述幾個(gè)方面達(dá)到10-30%的改善和提高。

作者簡(jiǎn)介

　　克里斯托弗·拉爾森（Christofer Larsson）在網(wǎng)絡(luò)設(shè)計(jì)流量工程、網(wǎng)絡(luò)性能評(píng)估和優(yōu)化方面擔(dān)任獨(dú)立研究員和顧問(wèn)，他與愛(ài)立信公司有著超過(guò)10年的長(zhǎng)期合作關(guān)系，積累了豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)。

圖書(shū)目錄

譯者序
前言
第1章　5G的概念和架構(gòu) 1
11　軟件定義網(wǎng)絡(luò) 1
111　集中式和分布式控制 2
112　網(wǎng)絡(luò)功能虛擬化 2
113　OpenFlow 3
12　IT融合 3
121　大數(shù)據(jù) 3
122　邊緣計(jì)算 3
123　安全性和完整性 4
124　能源效率 4
13　模塊搭建 4
131　光纖 4
132　SD-WAN 4
133　開(kāi)源軟件 5
14　算法和復(fù)雜度類(lèi) 5
141　優(yōu)化問(wèn)題 6
142　顯示問(wèn)題難度 7
143　求解難題的算法 9
第2章　網(wǎng)絡(luò)建模與分析 12
21　基本屬性 12
22　圖形表示 13
23　連通性 14
231　深度優(yōu)先搜索 14
232　廣度優(yōu)先搜索 15
24　最短路徑 15
241　Dijkstra算法 16
242　Bellman-Ford 算法 18
25　最小生成樹(shù) 19
251　圖的稀疏性 19
252　拓?fù)涫纠?21
253　旅行商問(wèn)題 22
254　最近鄰算法 22
255　增量插入算法 23
256　k-最優(yōu)方法 23
26　網(wǎng)絡(luò)彈性 24
261　網(wǎng)絡(luò)切割 24
262　刪除–收縮原則 25
第3章　網(wǎng)絡(luò)科學(xué) 27
31　小世界現(xiàn)象 27
32　Erd?s-Rényi模型 27
321　圖的進(jìn)化 28
322　度分布 29
323　聚類(lèi)系數(shù) 30
33　無(wú)標(biāo)度網(wǎng)絡(luò) 31
34　進(jìn)化網(wǎng)絡(luò) 33
35　度相關(guān)性 38
351　鄰居節(jié)點(diǎn)平均度 39
352　相關(guān)系數(shù) 39
353　結(jié)構(gòu)截?cái)?40
36　重要性 41
37　魯棒性 42
38　攻擊容忍度 45
39　故障傳播 47
310　提高魯棒性 48
第4章　自相似、分形和混沌 50
41　自相似性：原因和含義 50
411　平滑的流量 51
412　突發(fā)流量 53
413　長(zhǎng)時(shí)相關(guān)性流量 54
42　隨機(jī)過(guò)程 56
421　基本定義 56
422　自相似和長(zhǎng)時(shí)相關(guān)性過(guò)程 58
43　檢測(cè)和估計(jì) 61
431　泊松特性的檢測(cè) 61
432　長(zhǎng)時(shí)相關(guān)性和自相似性的檢測(cè)和估計(jì) 61
44　小波分析 63
45　分形圖 69
451　迭代函數(shù)系統(tǒng) 70
452　分形維數(shù)定義 74
453　控制界限 76
454　在線過(guò)程監(jiān)控 76
第5章　優(yōu)化技術(shù) 78
51　5G中的優(yōu)化問(wèn)題 78
52　混合整數(shù)規(guī)劃 79
521　動(dòng)態(tài)規(guī)劃 79
522　分支定界法 81
53　湊整 81
54　模擬退火 84
55　遺傳算法 84
551　二進(jìn)制表示 86
552　適應(yīng)度函數(shù) 86
553　復(fù)制 87
554　重組（交叉） 87
555　突變 87
56　群體算法 87
561　蟻群優(yōu)化 87
562　粒子群優(yōu)化 89
563　螢火蟲(chóng)算法 91
第6章　聚類(lèi) 93
61　聚類(lèi)的應(yīng)用 95
62　復(fù)雜性 95
63　簇屬性和質(zhì)量度量 95
631　節(jié)點(diǎn)相似性 96
632　擴(kuò)展 97
633　覆蓋率 97
634　性能 98
635　電導(dǎo) 98
64　啟發(fā)式聚類(lèi)方法 100
641　k-最近鄰 100
642　k-均值和k-中值 100
65　譜聚類(lèi) 101
651　相似矩陣 102
652　拉普拉斯矩陣 102
653　特征向量 103
654　投影 104
66　迭代改進(jìn) 105
第7章　貝葉斯分析 107
71　貝葉斯平均 107
72　吉布斯采樣器 108
73　最大期望值算法 111
74　t-分布隨機(jī)鄰域嵌入算法 116
75　圖像識(shí)別方法 118
第8章　數(shù)據(jù)中心和云 120
81　無(wú)容設(shè)施選址 120
811　分配 121
812　修剪 122
82　原始對(duì)偶算法 124
821　分配階段 125
822　修剪階段 125
823　沖突解決階段 125
83　有容設(shè)施選址 127
84　彈性設(shè)施選址 131
85　一維裝箱 134
86　多維資源分配 136
861　云資源和描述符 136
862　優(yōu)化標(biāo)準(zhǔn) 137
863　資源優(yōu)化算法 138
87　示例 140
88　最優(yōu)作業(yè)調(diào)度 143
881　湊整 145
882　調(diào)度器 147
第9章　接入網(wǎng) 151
91　容限最小生成樹(shù) 151
92　微波和光纖混合接入網(wǎng) 154
93　接入網(wǎng)彈性 155
94　集中式無(wú)線接入網(wǎng) 160
95　天線系統(tǒng) 162
951　輻射模型 162
952　大規(guī)模MIMO天線陣列 163
第10章　魯棒的骨干網(wǎng)設(shè)計(jì) 166
101　網(wǎng)絡(luò)彈性 166
102　連接和切割 168
103　生成樹(shù) 170
1031　基爾霍夫矩陣樹(shù)定理 171
1032　圖形強(qiáng)度 172
1033　可靠性多項(xiàng)式 175
1034　界限 176
1035　隨機(jī)算法 176
104　最小成本生存網(wǎng)絡(luò) 177
1041　測(cè)試可行性 178
1042　生成初始解 179
1043　鄰域搜索 179
1044　算法總結(jié) 180
105　原始對(duì)偶算法 183
第11章　流量工程 191
111　彈性路由 191
1111　K-最短路徑 191
1112　靜態(tài)和動(dòng)態(tài)路由 192
112　MPLS 193
1121　路由分配和容量分配 195
1122　問(wèn)題表述 195
1123　近似算法 196
113　波長(zhǎng)分配 203
1131　圖著色 204
1132　Douglas-Rachford算法 204
1133　Bron-Kerbosch算法 206
114　預(yù)先計(jì)劃的循環(huán)保護(hù) 207
1141　尋找圖中的循環(huán) 208
1142　p-循環(huán)設(shè)計(jì) 210
1143　跨接方法 212
1144　節(jié)點(diǎn)故障 212
第12章　大數(shù)據(jù)分析方法 213
121　離散化 213
122　數(shù)據(jù)草圖 217
1221　數(shù)據(jù)流模型 217
1222　散列函數(shù) 218
1223　近似計(jì)數(shù) 219
1224　元素?cái)?shù)量計(jì)數(shù) 221
1225　向量范數(shù)的估計(jì) 223
1226　AMS算法 224
1227　Johnson–Lindenstrauss算法 225
1228　中位數(shù)算法 226
1229　最小值計(jì)數(shù)草圖 229
12210　中位數(shù)計(jì)數(shù)草圖 230
12211　大流量對(duì)象 233
123　樣本熵估計(jì) 235
124　流大小分布 237
1241　多分辨率估計(jì) 240
1242　位圖算法 241
第13章　動(dòng)態(tài)資源管理 244
131　網(wǎng)絡(luò)業(yè)務(wù)流 245
1311　流量特征 245
1312　熵 246
132　流量聚合 247
133　擁塞控制 248
1331　通過(guò)流量聚合實(shí)現(xiàn)擁塞控制 249
1332　通過(guò)路由優(yōu)化實(shí)現(xiàn)擁塞控制 250
1333　擁塞控制仿真 250
1334　網(wǎng)絡(luò)拓?fù)?251
1335　節(jié)點(diǎn)能力 252
1336　流量分布 253
1337　流量仿真 253
1338　流量聚合 255
1339　路由策略 255
13310　QoS評(píng)估 256
134　流量聚合的效果 257
1341　節(jié)點(diǎn)級(jí)流量聚合 257
1342　基于業(yè)務(wù)類(lèi)型的流量聚合 258
1343　動(dòng)態(tài)流量聚合 259
135　路由優(yōu)化的效果 260
1351　最小總時(shí)延路由下的流量聚合 261
1352　最短路徑路由下的動(dòng)態(tài)流量聚合 262
1353　最小的最長(zhǎng)時(shí)延下的流量聚合 262
第14章　物聯(lián)網(wǎng) 264
141　網(wǎng)絡(luò)架構(gòu) 265
1411　路由協(xié)議 265
1412　物聯(lián)網(wǎng)路由協(xié)議 265
142　無(wú)線傳感器網(wǎng)絡(luò) 267
1421　能量模型 267
1422　仿真結(jié)果 268
143　移動(dòng)性建模技術(shù) 273
1431　幾何模型 273
1432　排隊(duì)模型 275
1433　交通流理論 276
1434　其他模型種類(lèi) 277
144　Gibbsian交互移動(dòng)性模型 277
1441　相關(guān)性分析 278
1442　分布的擬合 281
1443　基本假設(shè) 281
1444　相關(guān)性結(jié)構(gòu) 282
1445　流量源密度仿真 284
1446　Gibbs采樣器實(shí)現(xiàn) 284
1447　仿真結(jié)果 285
1448　移動(dòng)性模型的數(shù)學(xué)分析 289
1449　一維移動(dòng)性模型的數(shù)值解分析 291
14410　隨機(jī)場(chǎng) 292
14411　一維移動(dòng)性模型的估計(jì) 293
14412　結(jié)束語(yǔ) 295
參考文獻(xiàn) 296
術(shù)語(yǔ)表 302