声明
变量注释表
1 绪 论
1.1 引 言（Foreword）
1.2 国内外研究现状综述（Sum up of the research situation about the RL resource scheduling）
1.3 问题的提出及研究意义（ Project advancing and research meaning）
1.4 论文主要创新点（Main innovation point of the thesis）
1.5 主要研究内容及安排（ Main research contents and chapter arrangement）
2 雾计算系统模型
2.1 引言（Foreword）
2.2 雾计算系统模型介绍（ Description of system model of fog computing）
2.3 雾计算资源形式化（Formalization of fog computing resources）
2.4 本章小结（Conclusions）
3雾计算中基于层次化结构Q学习自动机的资源调度策略
3.1 引言（Forward）
3.2 Q学习算法（Q-learning algorithm）
3.3 层次化结构 Q 学习自动机（ Hierarchical structure Q-learning automata）
3.4 基于层次化结构 Q 学习自动机的资源调度算法（ Resource scheduling algorithm based on HQLA）
3.5 仿真结果与分析（Simulation results and analysis）
3.6 本章小结（Conclusions）
4 斯塔克尔伯格雾服务提供者竞争机制模型
4.1 引言（Foreword）
4.2 斯塔克尔伯格模型（Stackelberg model）
4.3 斯塔克尔伯格雾服务提供者竞争机制模型（SFCM）（Stackelberg competition mechanism model of fog service provider）
4.4 斯塔克尔伯格雾服务提供者竞争机制模型的扩展（ ESFCM ） （ Extension of Stackelberg competition mechanism model of fog service provider）
4.5 本章小结（Conclusions）
5 雾计算中基于博弈增强学习自动机的资源调度策略
5.1 引言（Foreword）
5.2 博弈论的基础知识（Basic knowledge of game theory）
5.3 博弈增强学习自动机资源调度场景（Scenario of GRLA based resource scheduling in fog computing）
5.4 基于增强学习的合作博弈资源调度（ Reinforcement learning based cooperative game resource scheduling）
5.5 博弈增强学习自动机模型（ Game reinforcement learning automata model）
5.6 雾计算中基于博弈增强学习自动机的资源调度算法（ GRLA based resource scheduling algorithm in fog computing）
5.7 实验设计与性能分析（ Experimental design and performance analysis）
6 总结与展望
6.1 论文主要研究工作总结（Summary of the main research work in the thesis）
6.2 今后研究工作展望（Prospect of the research work from now on）
参考文献
作者简历
致谢
学位论文数据集
山东科技大学;
