本书围绕边缘计算中任务的智能化调度和虚拟化IT资源的优化部署等相关问题展开，旨在反映边缘计算在面对多元化突出和时变性显著的移动互联网和物联网应用时做的系统优化方法及策略。主要内容包括边缘计算中的任务调度和资源部署、边缘计算中面向服务质量的服务功能构建、边缘计算中面向资源优化的服务功能构建、边缘计算中基于深度强化学习的服务功能迁移、边缘计算中面向时延优化的服务功能迁移、边缘计算中基于神经组合优化和启发式混合方法的任务调度、边缘计算中基于图到序列强化学习的复杂任务调度、边缘计算中面向区块链计算任务的任务调度、边缘计算中面向数据及时性的多作业联邦学习调度、边云协同中基于强化学习的网络功能部署、边缘计算中融合强化学习与图卷积的容器集群部署等。本书涉及计算机科学、人工智能、网络经济学等多个学科领域，可供从事边缘计算及分布式计算的科研人员和高等院校相关专业的研究生和本科生阅读，也可为相关领域工作的教学及科研人员提供参考。

第1章 边缘计算及其任务调度与资源部署
1.1 边缘计算概述
1.2 边缘计算中的服务构建与服务迁移
1.3 边缘计算中的任务调度与资源部署
1.4 本书内容组织
本章小结
参考文献
第2章 边缘计算中面向服务质量的服务功能构建
2.1 背景介绍
2.2 系统框架与形式化分析
2.3 基于遗传模拟退火算法的服务功能链构建
2.4 实验分析与性能评估
本章小结
参考文献
第3章 边缘计算中面向资源优化的服务功能构建
3.1 背景介绍
3.2 系统框架与建模分析
3.3 基于两阶段的服务功能链构建
3.4 实验分析与性能评估
本章小结
参考文献
第4章 边缘计算中基于深度强化学习的服务功能迁移
4.1 背景介绍
4.2 面向服务功能链迁移的形式化描述
4.3 基于深度Q学习的服务功能链迁移机制
4.4 实验分析与性能评估
本章小结
参考文献
第5章 边缘计算中面向时延优化的服务功能迁移
5.1 背景介绍
5.2 系统描述与建模分析
5.3 基于遗传算法的服务功能迁移算法
5.4 实验分析与性能评估
本章小结
参考文献
第6章 边缘计算中基于神经组合优化和启发式混合方法的任务调度
6.1 背景介绍
6.2 系统描述与建模分析
6.3 基于神经组合优化与启发式混合求解的优化调度
6.4 实验分析与性能评估
本章小结
参考文献
第7章 边缘计算中基于图到序列强化学习的复杂任务调度
7.1 背景介绍
7.2 系统描述与建模分析
7.3 融合图到序列深度强化学习的复杂任务调度方法
7.4 实验分析与性能评估
本章小结
参考文献
第8章 边缘计算中面向区块链计算任务的任务调度
8.1 背景介绍
8.2 端边结合的系统模型的建立
8.3 基于强化学习使能的群体智能求解方法
8.4 实验分析与性能评估
本章小结
参考文献
第9章 边缘计算中面向数据及时性的多作业联邦学习调度
9.1 背景介绍
9.2 系统模型及问题描述
9.3 多作业联邦学习调度算法
9.4 实验分析与性能评估
本章小结
参考文献
第10章 边云协同中基于强化学习的网络功能部署
10.1 背景介绍
10.2 系统描述与形式化定义
10.3 基于“演员-评论家”的网络功能部署方法
10.4 实验分析与性能评估
本章小结
参考文献
第11章 边缘计算中融合强化学习与图卷积的容器集群部署
11.1 背景介绍
11.2 系统描述与建模分析
11.3 结合图卷积网络强化学习的容器部署方法
11.4 实验分析与性能评估
本章小结
参考文献