譯者序
前言
第1章　5G的概念和架構(gòu) 1
1.1　軟件定義網(wǎng)絡(luò) 1
1.1.1　集中式和分布式控制 2
1.1.2　網(wǎng)絡(luò)功能虛擬化 2
1.1.3　OpenFlow 3
1.2　IT融合 3
1.2.1　大數(shù)據(jù) 3
1.2.2　邊緣計(jì)算 3
1.2.3　安全性和完整性 4
1.2.4　能源效率 4
1.3　模塊搭建 4
1.3.1　光纖 4
1.3.2　SD-WAN 4
1.3.3　開(kāi)源軟件 5
1.4　算法和復(fù)雜度類 5
1.4.1　優(yōu)化問(wèn)題 6
1.4.2　顯示問(wèn)題難度 7
1.4.3　求解難題的算法 9
第2章　網(wǎng)絡(luò)建模與分析 12
2.1　基本屬性 12
2.2　圖形表示 13
2.3　連通性 14
2.3.1　深度優(yōu)先搜索 14
2.3.2　廣度優(yōu)先搜索 15
2.4　最短路徑 15
2.4.1　Dijkstra算法 16
2.4.2　Bellman-Ford 算法 18
2.5　最小生成樹(shù) 19
2.5.1　圖的稀疏性 19
2.5.2　拓?fù)涫纠? 21
2.5.3　旅行商問(wèn)題 22
2.5.4　最近鄰算法 22
2.5.5　增量插入算法 23
2.5.6　k-最優(yōu)方法 23
2.6　網(wǎng)絡(luò)彈性 24
2.6.1　網(wǎng)絡(luò)切割 24
2.6.2　刪除–收縮原則 25
第3章　網(wǎng)絡(luò)科學(xué) 27
3.1　小世界現(xiàn)象 27
3.2　Erd?s-Rényi模型 27
3.2.1　圖的進(jìn)化 28
3.2.2　度分布 29
3.2.3　聚類系數(shù) 30
3.3　無(wú)標(biāo)度網(wǎng)絡(luò) 31
3.4　進(jìn)化網(wǎng)絡(luò) 33
3.5　度相關(guān)性 38
3.5.1　鄰居節(jié)點(diǎn)平均度 39
3.5.2　相關(guān)系數(shù) 39
3.5.3　結(jié)構(gòu)截?cái)? 40
3.6　重要性 41
3.7　魯棒性 42
3.8　攻擊容忍度 45
3.9　故障傳播 47
3.10　提高魯棒性 48
第4章　自相似、分形和混沌 50
4.1　自相似性：原因和含義 50
4.1.1　平滑的流量 51
4.1.2　突發(fā)流量 53
4.1.3　長(zhǎng)時(shí)相關(guān)性流量 54
4.2　隨機(jī)過(guò)程 56
4.2.1　基本定義 56
4.2.2　自相似和長(zhǎng)時(shí)相關(guān)性過(guò)程 58
4.3　檢測(cè)和估計(jì) 61
4.3.1　泊松特性的檢測(cè) 61
4.3.2　長(zhǎng)時(shí)相關(guān)性和自相似性的檢測(cè)和估計(jì) 61
4.4　小波分析 63
4.5　分形圖 69
4.5.1　迭代函數(shù)系統(tǒng) 70
4.5.2　分形維數(shù)定義 74
4.5.3　控制界限 76
4.5.4　在線過(guò)程監(jiān)控 76
第5章　優(yōu)化技術(shù) 78
5.1　5G中的優(yōu)化問(wèn)題 78
5.2　混合整數(shù)規(guī)劃 79
5.2.1　動(dòng)態(tài)規(guī)劃 79
5.2.2　分支定界法 81
5.3　湊整 81
5.4　模擬退火 84
5.5　遺傳算法 84
5.5.1　二進(jìn)制表示 86
5.5.2　適應(yīng)度函數(shù) 86
5.5.3　復(fù)制 87
5.5.4　重組（交叉） 87
5.5.5　突變 87
5.6　群體算法 87
5.6.1　蟻群優(yōu)化 87
5.6.2　粒子群優(yōu)化 89
5.6.3　螢火蟲(chóng)算法 91
第6章　聚類 93
6.1　聚類的應(yīng)用 95
6.2　復(fù)雜性 95
6.3　簇屬性和質(zhì)量度量 95
6.3.1　節(jié)點(diǎn)相似性 96
6.3.2　擴(kuò)展 97
6.3.3　覆蓋率 97
6.3.4　性能 98
6.3.5　電導(dǎo) 98
6.4　啟發(fā)式聚類方法 100
6.4.1　k-最近鄰 100
6.4.2　k-均值和k-中值 100
6.5　譜聚類 101
6.5.1　相似矩陣 102
6.5.2　拉普拉斯矩陣 102
6.5.3　特征向量 103
6.5.4　投影 104
6.6　迭代改進(jìn) 105
第7章　貝葉斯分析 107
7.1　貝葉斯平均 107
7.2　吉布斯采樣器 108
7.3　最大期望值算法 111
7.4　t-分布隨機(jī)鄰域嵌入算法 116
7.5　圖像識(shí)別方法 118
第8章　數(shù)據(jù)中心和云 120
8.1　無(wú)容設(shè)施選址 120
8.1.1　分配 121
8.1.2　修剪 122
8.2　原始對(duì)偶算法 124
8.2.1　分配階段 125
8.2.2　修剪階段 125
8.2.3　沖突解決階段 125
8.3　有容設(shè)施選址 127
8.4　彈性設(shè)施選址 131
8.5　一維裝箱 134
8.6　多維資源分配 136
8.6.1　云資源和描述符 136
8.6.2　優(yōu)化標(biāo)準(zhǔn) 137
8.6.3　資源優(yōu)化算法 138
8.7　示例 140
8.8　最優(yōu)作業(yè)調(diào)度 143
8.8.1　湊整 145
8.8.2　調(diào)度器 147
第9章　接入網(wǎng) 151
9.1　容限最小生成樹(shù) 151
9.2　微波和光纖混合接入網(wǎng) 154
9.3　接入網(wǎng)彈性 155
9.4　集中式無(wú)線接入網(wǎng) 160
9.5　天線系統(tǒng) 162
9.5.1　輻射模型 162
9.5.2　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
10.1　網(wǎng)絡(luò)彈性 166
10.2　連接和切割 168
10.3　生成樹(shù) 170
10.3.1　基爾霍夫矩陣樹(shù)定理 171
10.3.2　圖形強(qiáng)度 172
10.3.3　可靠性多項(xiàng)式 175
10.3.4　界限 176
10.3.5　隨機(jī)算法 176
10.4　最小成本生存網(wǎng)絡(luò) 177
10.4.1　測(cè)試可行性 178
10.4.2　生成初始解 179
10.4.3　鄰域搜索 179
10.4.4　算法總結(jié) 180
10.5　原始對(duì)偶算法 183
第11章　流量工程 191
11.1　彈性路由 191
11.1.1　K-最短路徑 191
11.1.2　靜態(tài)和動(dòng)態(tài)路由 192
11.2　MPLS 193
11.2.1　路由分配和容量分配 195
11.2.2　問(wèn)題表述 195
11.2.3　近似算法 196
11.3　波長(zhǎng)分配 203
11.3.1　圖著色 204
11.3.2　Douglas-Rachford算法 204
11.3.3　Bron-Kerbosch算法 206
11.4　預(yù)先計(jì)劃的循環(huán)保護(hù) 207
11.4.1　尋找圖中的循環(huán) 208
11.4.2　p-循環(huán)設(shè)計(jì) 210
11.4.3　跨接方法 212
11.4.4　節(jié)點(diǎn)故障 212
第12章　大數(shù)據(jù)分析方法 213
12.1　離散化 213
12.2　數(shù)據(jù)草圖 217
12.2.1　數(shù)據(jù)流模型 217
12.2.2　散列函數(shù) 218
12.2.3　近似計(jì)數(shù) 219
12.2.4　元素?cái)?shù)量計(jì)數(shù) 221
12.2.5　向量范數(shù)的估計(jì) 223
12.2.6　AMS算法 224
12.2.7　Johnson–Lindenstrauss算法 225
12.2.8　中位數(shù)算法 226
12.2.9　最小值計(jì)數(shù)草圖 229
12.2.10　中位數(shù)計(jì)數(shù)草圖 230
12.2.11　大流量對(duì)象 233
12.3　樣本熵估計(jì) 235
12.4　流大小分布 237
12.4.1　多分辨率估計(jì) 240
12.4.2　位圖算法 241
第13章　動(dòng)態(tài)資源管理 244
13.1　網(wǎng)絡(luò)業(yè)務(wù)流 245
13.1.1　流量特征 245
13.1.2　熵 246
13.2　流量聚合 247
13.3　擁塞控制 248
13.3.1　通過(guò)流量聚合實(shí)現(xiàn)擁塞控制 249
13.3.2　通過(guò)路由優(yōu)化實(shí)現(xiàn)擁塞控制 250
13.3.3　擁塞控制仿真 250
13.3.4　網(wǎng)絡(luò)拓?fù)? 251
13.3.5　節(jié)點(diǎn)能力 252
13.3.6　流量分布 253
13.3.7　流量仿真 253
13.3.8　流量聚合 255
13.3.9　路由策略 255
13.3.10　QoS評(píng)估 256
13.4　流量聚合的效果 257
13.4.1　節(jié)點(diǎn)級(jí)流量聚合 257
13.4.2　基于業(yè)務(wù)類型的流量聚合 258
13.4.3　動(dòng)態(tài)流量聚合 259
13.5　路由優(yōu)化的效果 260
13.5.1　最小總時(shí)延路由下的流量聚合 261
13.5.2　最短路徑路由下的動(dòng)態(tài)流量聚合 262
13.5.3　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
14.1　網(wǎng)絡(luò)架構(gòu) 265
14.1.1　路由協(xié)議 265
14.1.2　物聯(lián)網(wǎng)路由協(xié)議 265
14.2　無(wú)線傳感器網(wǎng)絡(luò) 267
14.2.1　能量模型 267
14.2.2　仿真結(jié)果 268
14.3　移動(dòng)性建模技術(shù) 273
14.3.1　幾何模型 273
14.3.2　排隊(duì)模型 275
14.3.3　交通流理論 276
14.3.4　其他模型種類 277
14.4　Gibbsian交互移動(dòng)性模型 277
14.4.1　相關(guān)性分析 278
14.4.2　分布的擬合 281
14.4.3　基本假設(shè) 281
14.4.4　相關(guān)性結(jié)構(gòu) 282
14.4.5　流量源密度仿真 284
14.4.6　Gibbs采樣器實(shí)現(xiàn) 284
14.4.7　仿真結(jié)果 285
14.4.8　移動(dòng)性模型的數(shù)學(xué)分析 289
14.4.9　一維移動(dòng)性模型的數(shù)值解分析 291
14.4.10　隨機(jī)場(chǎng) 292
14.4.11　一維移動(dòng)性模型的估計(jì) 293
14.4.12　結(jié)束語(yǔ) 295
參考文獻(xiàn) 296
術(shù)語(yǔ)表 302