• مقدمه (11)
  • تعریف مسئله (13)
  • چالش‌ها (14)
  • اهمیت موضوع (15)
  • اهداف پژوهش (16)
  • ساختار پایان‌نامه (17)
• مفاهیم پایه (19)
  • محاسبات لبه (19)
  • بارسپاری محاسبات (20)
  • ذخیره‌سازی خدمات (20)
  • یادگیری تقویتی عمیق (21)
  • شبکه‌ Q عمیق (23)
  • یادگیری فدرالی سلسله‌مراتبی (23)
  • یادگیری تقویتی عمیق فدرالی سلسله‌مراتبی (24)
• کارهای پیشین (26)
  • روش‌های سنتی بارسپاری محاسبات و ذخیره‌سازی خدمات (26)
    • بهینه‌سازی محدب و برنامه‌ریزی عددصحیح (27)
    • روش مبتنی بر نظریه بازی و قیمت‌گذاری (28)
    • روش‌های مبتنی بر بهینه‌سازی لیپانوف (29)
    • جمع‌بندی (29)
  • روش‌های مبتنی بر یادگیری ماشین (31)
    • رویکردهای مبتنی بر شاخه و کران (31)
    • رویکرد‌های مبتنی بر یادگیری عمیق (33)
  • روش‌های مبتنی بر یادگیری تقویتی عمیق (36)
    • رویکردهای مبتنی بر شبکه‌ی Q عمیق (37)
    • رویکردهای مبتنی بر گرادیان سیاست قطعی عمیق (44)
  • روش‌های مبتنی بر یادگیری فدرالی (49)
• مدل پیشنهادی (55)
  • نمای کلی روش پیشنهادی (55)
    • نوآوری‌ها و تفاوت با روش متمرکز D3QN (57)
  • مدل سامانه و مفروضات (59)
    • مفروضات کلی سامانه (59)
    • معماری شبکه و گراف ارتباطی (60)
    • مدل خدمات و ذخیره‌سازی (61)
    • مدل وظایف و توزیع تولید وظایف (62)
    • مدل‌سازی تاخیر (63)
    • مدل‌سازی انرژی (66)
  • صورت بندی مسئله و تبدیل به MDP (68)
    • متغیرهای تصمیم و قیود (69)
    • تابع هدف (70)
    • تعریف MDP در سطح دستگاه کاربر و سرور لبه (71)
    • روش پیشنهادی HFDRL مبتنی بر خانواده‌ی DQN (73)
    • مکانیزم‌های کمکی (79)
  • سناریوهای ارزیابی و نتایج بدست آمده (81)
    • روش‌های مقایسه (82)
    • نتایج بدست آمده (82)
• نتیجه‌گیری (88)
  • جمع‌بندی (88)
  • کارهای آینده (88)
• مراجع (90)
• واژه‌نامه (96)