| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787523510919 |
| 所属分类：图书>计算机/网络>计算机理论 |
商品详情内容简介
本书深入探讨了数据中心领域的十大前沿主题，包括能效优化、任务分配、冷却控制等，关注点在于数字孪生技术和深度强化学习在这些领域的应用。书中详细剖析了数据中心能效的关键挑战，探讨了深度强化学习在任务分配和冷却控制中的创新应用。同时，也介绍了数字孪生技术在数据中心运维优化中的重要性，以及机器学习在绿色冷却控制和智能电网管理等方面的应用。此外，还深入探讨了数据中心可持续性发展的策略和实践，以及机器学习在电力存储系统和电能存储材料探索中的应用，旨在为读者提供思考和应用的启示。
目 录
第一章数据中心能效优化
引言
相关工作
基于时间驱动的优化方法
基于事件驱动的优化方法
问题表述
系统架构
系统模型
问题表述
基于的联合优化算法
用于离散和连续动作空间
参数化动作空间
双时间尺度控制
评估第一章数据中心能效优化
引言
相关工作
基于时间驱动的优化方法
基于事件驱动的优化方法
问题表述
系统架构
系统模型
问题表述
基于的联合优化算法
用于离散和连续动作空间
参数化动作空间
双时间尺度控制
评估
实验设置
性能指标
基准算法
训练结果
性能对比
……
显示全部信息
作者简介
江西科技师范大学校聘副教授，南洋理工大学计博士后，广岛大学工学博士，主要研究方向为强化学习、数字孪生、系统控制优化等。在、 等高水平会议和期刊发表论文余篇，获得 。主持项江西省教育厅科学技术研究项目和项国家自然科学基金。
本书深入探讨了数据中心领域的十大前沿主题，包括能效优化、任务分配、冷却控制等，关注点在于数字孪生技术和深度强化学习在这些领域的应用。书中详细剖析了数据中心能效的关键挑战，探讨了深度强化学习在任务分配和冷却控制中的创新应用。同时，也介绍了数字孪生技术在数据中心运维优化中的重要性，以及机器学习在绿色冷却控制和智能电网管理等方面的应用。此外，还深入探讨了数据中心可持续性发展的策略和实践，以及机器学习在电力存储系统和电能存储材料探索中的应用，旨在为读者提供思考和应用的启示。
目 录
第一章数据中心能效优化
引言
相关工作
基于时间驱动的优化方法
基于事件驱动的优化方法
问题表述
系统架构
系统模型
问题表述
基于的联合优化算法
用于离散和连续动作空间
参数化动作空间
双时间尺度控制
评估第一章数据中心能效优化
引言
相关工作
基于时间驱动的优化方法
基于事件驱动的优化方法
问题表述
系统架构
系统模型
问题表述
基于的联合优化算法
用于离散和连续动作空间
参数化动作空间
双时间尺度控制
评估
实验设置
性能指标
基准算法
训练结果
性能对比
……
显示全部信息
作者简介
江西科技师范大学校聘副教授，南洋理工大学计博士后，广岛大学工学博士，主要研究方向为强化学习、数字孪生、系统控制优化等。在、 等高水平会议和期刊发表论文余篇，获得 。主持项江西省教育厅科学技术研究项目和项国家自然科学基金。