内容简介
本书深入探讨了随机网络演算理论及其在网络服务质量保障和能效优化中的应用，旨在为信息与通信工程领域的研究生及专业技术人员提供一份全面而简洁的参考材料。全书从随机网络演算的基本原理出发，通过丰富的案例分析，展示了如何将理论应用于无线通信网络的性能分析和优化中。
本书首先介绍了网络演算的核心概念和方法，然后重点讨论了如何利用这些工具来分析和保障网络中的服务质量，包括对延迟、带宽和丢包率等关键性能指标的优化。随后，书中探讨了随机网络演算在网络能效优化方面的应用，提出了一系列减少能源消耗、提高网络运行效率的策略和方法。
通过对这些重要主题的深入剖析，本书将帮助读者建立起坚实的理论基础，以便读者能够在工作中将随机网络演算理论应用于服务质量保障和网络能效优化。本书同时也可作为希望深入了解无线通信网络性能分析和优化领域的研究生和专业人员的学习参考书。
目录介绍
第1章无线通信系统中的服务质量和能量效率
1.1无线通信系统中的服务质量保障
1.1.1服务质量保障
1.1.2随机网络演算基础
1.2非连续收发的能效分析基础
1.3本章小结
第2章概率论与随机过程基础
2.1随机变量
2.1.1离散型随机变量
2.1.2连续随机变量
2.2数学期望及其性质
2.2.1数学期望的定义
2.2.2数学期望的性质
2.3方差、标准差与矩
2.3.1方差与标准差
2.3.2矩
2.4生成函数（ProbabilityGenerating Function，PGF）与矩母函数
（MomentGenerating Function，MGF）
2.5概率中的不等式
2.6随机过程
2.6.1随机过程的概念
2.6.2随机过程的分类
2.7本章小结
第3章随机网络演算基础与服务质量指标分析
3.1无线通信系统模型
3.2有效带宽和有效容量的定义
3.2.1有效带宽的定义
3.2.2有效容量的定义
3.3有效带宽与有效容量理论
3.4载波聚合技术系统模型
3.5多QoS根下的有效带宽和有效容量理论
3.5.1边缘概率矩阵求解积压分布
3.5.2多根场景下的延时精确估计
3.5.3仿真分析
3.6本章小结
第4章超密集无线网络中的QoS和能效分析
4.1超密集无线网络的端到端架构
4.2多维有效容量的QoS分析
4.2.1网络内小区间干扰建模
4.2.2有效带宽和有效容量计算
4.2.3基于有效容量理论的网络QoS性能分析
4.2.4多维有效容量理论推导及算法设计
4.2.5有效容量理论多维拓展
4.3双小基站单用户场景下的跨层有效容量分析
4.4N个小基站单用户场景下的跨层有效容量分析
4.5N个小基站多用户调度场景下的跨层有效容量分析
4.5.1多用户轮询调度机制分析
4.5.2多用户最大信干噪比调度机制分析
4.5.3多用户不同调度下系统性能分析问题构建
4.6仿真验证与分析
4.6.1双小基站多用户场景模型验证分析
4.6.2N个小基站多用户场景模型验证分析
4.6.3非连续发送机制性能提升验证分析
4.7本章小结
第5章业务流服从负指数分布的点到点通信中网络演算及其跨层
能效分析和能效优化5.1基于有效带宽模型和有效容量理论的延时分析
5.1.1延时约束与功率分配下的无线通信系统模型
5.1.2延时中断概率计算
5.2延时保障下能效优先的功率控制问题
5.2.1双模电路下的跨层能效分析模型
5.2.2影响双模电路下跨层能效的因素
5.2.3端到端延时保障限制条件
5.2.4端到端延时与发送功率之间的关系
5.3Nakagamim 信道下的功率控制解决方案
5.4仿真结果与分析
5.5本章小结
第6章业务流服从一般爱尔兰分布的点到点通信中的随机网络
演算及其跨层能效分析和能效优化6.1延时约束与功率控制的无线通信系统能量效率
6.1.1延时约束
6.1.2有效能量效率
6.2延时保障下能效优先的功率控制问题
6.3仿真结果与分析
6.4本章小结
第7章非正交多址接入技术中的跨层能效分析和能效优化
7.1非正交多址接入技术
7.2系统与用户模型
7.2.1系统模型
7.2.2用户模型
7.3非连续发送下有效容量分析
7.3.1双用户NOMA有效容量分析
7.3.2多用户NOMA有效容量分析
7.4延时保障下能效优先的功控方案
7.4.1延时保障下的功控问题
7.4.2延时约束参数计算
7.4.3功率控制方案
7.5仿真分析
7.5.1参数设置
7.5.2仿真结果
7.6本章小结
第8章网络演算与博弈论及其能效分析和能效优化
8.1系统建模
8.2多基站单用户下的非合作博弈
8.2.1有效能量效率表达式推导
8.2.2仿真结果分析
8.3多基站多用户下的非合作能效优化功率控制
8.3.1点对点排队模型建模
8.3.2基于QoS保障的多用户非合作能效优化功率分配机制
8.3.3仿真结果分析
8.4本章小结
第9章基于网络演算与机器学习的能效分析和优化
9.1基于遗传算法的最优资源分配
9.1.1非连续发送机制下的有效能效
9.1.2平均延时约束下的资源分配问题构建
9.1.3基于遗传算法的最优资源分配
9.2仿真模型及参数
9.3仿真结果分析
9.4移动边缘计算系统中的计算卸载研究
9.5基于有效容量的计算卸载
9.6基础强化学习
9.6.1马尔科夫决策过程
9.6.2基础强化学习
9.6.3深度强化学习
9.6.4MEC中基于有效容量和强化学习的联合功率控制和计算卸载
9.6.5系统模型
9.6.6仿真结果与分析
9.7本章小结参考文献
附录