检索结果-内蒙古大学图书馆

计算机技术与发展 2025年第3期35卷 76-83页

作者：李奕杭张洁南京邮电大学计算机学院江苏南京210023

大规模的数据采集处理任务对计算能力的要求很高,然而分布式部署在各地基层服务器上可用的计算资源有限,不足以单独处理整个任务数据。边缘计算(Edge Computing,EC)通过将计算任务卸载到边缘服务器上改善服务,为此类应用提供了有效的解... 详细信息

大规模的数据采集处理任务对计算能力的要求很高,然而分布式部署在各地基层服务器上可用的计算资源有限,不足以单独处理整个任务数据。边缘计算(Edge Computing,EC)通过将计算任务卸载到边缘服务器上改善服务,为此类应用提供了有效的解决方案。但是,传统的顺序决策策略大多依赖于预调度,且忽略了任务群之间的合作,存在一定的优化空间。对此,基于前序任务层优先策略(Predecessor Layer First,PLF)对具有依赖关系的计算卸载过程进行建模,提出了一种基于分层联盟博弈的计算卸载算法(Layering Coalitional Game Computation Offloading Algorithm,LCGCO)来优化卸载决策,从而降低计算卸载时延和能耗。LCGCO通过前序任务层优先策略确定子任务的卸载顺序,然后通过同优先级子任务间的联盟博弈确定卸载策略,以实现任务群整体最优调度。通过仿真显示,与基于MEFT的遗传算法、拉格朗日求解凸规划方法相比,LCGCO具有更低的时延、能耗和更少的时间复杂度,并且任务图越复杂,LCGCO算法的优化性能越好。

关键词：计算卸载边缘计算联盟博弈分层博弈依赖型任务

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中依赖型任务的调度模型研究

引用

电子测量与仪器学报 2022年第8期36卷 60-68页

作者：王瑶卢先领沈义峰江南大学物联网工程学院无锡214122

当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成时延较长。针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度优先... 详细信息

当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成时延较长。针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度优先搜索算法(breadth first search, BFS)构建一种依赖型任务的调度模型。然后,根据任务和边缘服务器之间的交互,将模型中各调度层的联合卸载和迁移问题建模为一个多领导者多跟随者的Stackelberg博弈。最后,为实现Stackelberg博弈均衡,提出基于Q值的卸载算法和分布式迭代迁移算法求解模型。仿真结果表明,与基线算法相比,所提算法在不同规模的用户和边缘服务器的场景下,将系统完成时延分别降低了44.1%和63.2%。进一步实验表明,与传统方案相比,所提模型在不同规模的用户和边缘服务器的场景下使系统完成时延分别降低了20.1%和6.7%,有效保证了服务质量。

关键词：移动边缘计算任务调度依赖型任务 Stackelberg博弈 Q值

来源：评论

学校读者我要写书评

暂无评论

云边协同计算中基于强化学习的依赖型任务调度方法

引用

计算机科学 2023年第S02期50卷 700-707页

作者：胡晟熙宋日荣陈星陈哲毅福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

云边协同计算中,计算资源分散在移动设备、边缘服务器和云服务器。将应用程序中的计算密集型任务从本地卸载到远程设备执行,利用远程资源来扩展本地资源,是解决移动设备资源受限问题的一个有效途径。针对云边协同计算中存在依赖关系的... 详细信息

云边协同计算中,计算资源分散在移动设备、边缘服务器和云服务器。将应用程序中的计算密集型任务从本地卸载到远程设备执行,利用远程资源来扩展本地资源,是解决移动设备资源受限问题的一个有效途径。针对云边协同计算中存在依赖关系的任务调度问题,提出一种基于强化学习的无模型方法。首先,将移动应用程序建模为有向无环图,建立云边协同计算中的任务调度问题模型。其次,将任务调度过程建模为马尔可夫决策过程,即使用Q学习通过与网络环境交互学习合理的调度策略。实验结果表明,所提出的基于Q学习的依赖型任务调度方法在不同场景下均优于所对比的基准算法,有效地减少了应用程序的执行时间。

关键词：云边协同计算任务调度依赖型任务强化学习

来源：评论

学校读者我要写书评

暂无评论

基于云边协同的依赖型任务卸载策略研究

基于云边协同的依赖型任务卸载策略研究

引用

作者：祝一凡郑州大学

学位级别：硕士

受终端性能限制,计算密集型和延迟敏感型应用难以在智能移动设备(Smart Mobile Devices,SMDs)上长期稳定运行。因此,将数据卸载到具有强大计算能力的云服务器上进行计算成为减轻SMDs负担的有效手段。但考虑到网络拥塞与有限的回程链路,... 详细信息

受终端性能限制,计算密集型和延迟敏感型应用难以在智能移动设备(Smart Mobile Devices,SMDs)上长期稳定运行。因此,将数据卸载到具有强大计算能力的云服务器上进行计算成为减轻SMDs负担的有效手段。但考虑到网络拥塞与有限的回程链路,仅使用移动云计算(Mobile Cloud Computation,MCC)很难满足计算密集型应用对低延迟的服务需求。而实时性强,资源有限的移动边缘计算(Mobile Edge Computation,MEC)与前者形成互补。本文研究基于依赖型任务的云边协同计算智能卸载问题,主要贡献如下:首先,针对单线程依赖型任务,提出了一种云边协同计算卸载(Collaborative Cloud and Edge Computing Offloading,CCECO)算法。该算法考虑延迟约束下单线程依赖型任务的能耗最小化为混合整数型非线性规划(Mixed-Integer Nonlinear Programming,MINLP)问题。本文将该问题分为两部分:整数规划部分与非整数规划部分。整数规划部分是一个NP-hard问题,根据云-边-端计算能力依次递减的假设和一次卸载原则,将其转换为线性时间复杂度问题。非整数部分是一个凸优化问题,本文根据KKT条件与梯度下降法获得该问题的最优解。最后对研究的问题进行了仿真分析。数值结果表明,CCECO算法可以有效降低单线程依赖型任务的能耗,且复杂度低。其次,针对延迟约束下多线程依赖型任务的能耗最小化问题,由于多线程极大地增加了决策空间维度,本文提出了一种关键路径解决方案,以降低决策空间维度。该方案将多线程依赖型任务中并行计算部分计算任务量最大的线程标记为关键路径,并行计算部分其余子线程的计算时延应与关键路径一致。在该方案的基础上,提出了一种用于多线程依赖型任务的CCECO算法,该算法利用一次卸载原则与梯度下降法,获取整数部分与非整数部分的最优解。最后对CCECO算法进行了仿真分析。数值结果表明,该策略能有效降低多线程依赖型任务的计算卸载能耗,且随着时延约束的放宽,该策略可以自发改变卸载策略,以保证最小能耗。

关键词：云边协同依赖型任务计算卸载资源分配

来源：评论

学校读者我要写书评

暂无评论

工业边缘计算中依赖型任务的卸载与调度策略研究

工业边缘计算中依赖型任务的卸载与调度策略研究

引用

作者：乐成浙江工商大学

学位级别：硕士

随着工业智能化的发展和模块化程序设计的广泛应用,工业物联网环境下有越来越多的依赖型任务需要卸载到边缘端或者云端。由于边缘计算设备不能够实时获取网络状态,将软件定义网络(Software Defined Network,SDN)技术应用到边缘计算任务... 详细信息

随着工业智能化的发展和模块化程序设计的广泛应用,工业物联网环境下有越来越多的依赖型任务需要卸载到边缘端或者云端。由于边缘计算设备不能够实时获取网络状态,将软件定义网络(Software Defined Network,SDN)技术应用到边缘计算任务卸载中,可以为任务卸载提供较佳的网络环境。基于此,本文提出了一种基于SDN的工业物联网边缘计算网络架构,并基于该架构针对依赖型任务的卸载调度提出了两种不同场景下的卸载与调度算法,并验证了算法能够降低时延与能耗。本文的主要工作如下:1.结合现有的边缘计算网络架构,针对任务卸载的低时延、低能耗需求,利用SDN能够获取系统链路网络参数的特点,将SDN与边缘计算相结合,设计了一种由云服务层、控制层、数据传输层和现场设备层组成的四层架构,并基于该架构设计了任务模型和计算模型。2.在单依赖型任务卸载场景中,设计一种基于SDN的单依赖型任务卸载与调度算法,该算法包含选择卸载节点子算法和任务调度子算法,以降低时延和能耗为目标,首先SDN控制器在满足任务需求与计算约束条件下进行筛选候选节点,并通过Dijkstra算法对候选节点进行路径规划,计算出最短路径,进而选出综合考虑了网络资源和计算资源的卸载节点,再通过设计的任务调度算法进行任务调度。经过实验仿真,结果表明该算法在单依赖型任务场景下的卸载调度能够降低时延,减少边缘设备能耗。3.针对多依赖型任务场景中的卸载与调度问题,为了降低时延和能耗,提出了一种基于SDN的多依赖型任务卸载与调度算法,算法根据任务请求选择满足需求的卸载节点,再经过拓扑列表排序子算法将任务进行排序,然后通过动态规划方法计算任务图的关键路径,最后根据设计的调度算法为各任务设计调度方案。仿真结果表明,该算法能够减少任务处理时延和传输时延,减少边缘设备能耗,具有较高的可靠性。

关键词：边缘计算依赖型任务 SDN 任务卸载工业物联网

来源：评论

学校读者我要写书评

暂无评论

应用Min-Min算法思想解决依赖型任务调度

引用

南宁职业技术学院学报 2013年第6期18卷 97-100页

作者：梁桂才刘刚雷运理广西机电职业技术学院广西南宁530007 南宁职业技术学院广西南宁530008

在云计算系统中,任务调度是其中的一个关键问题,它首要决定了整个云计算系统的运行效率。基于min-min算法思想和有向无环图(DAG)的基础上设计出一个解决依赖型的任务调度算法。根据具体例子进行算法演示,结果表明:该算法在完成时间跨度... 详细信息

在云计算系统中,任务调度是其中的一个关键问题,它首要决定了整个云计算系统的运行效率。基于min-min算法思想和有向无环图(DAG)的基础上设计出一个解决依赖型的任务调度算法。根据具体例子进行算法演示,结果表明:该算法在完成时间跨度上与最优算法基本一致,有效地提高任务调度效率和云资源利用率。

关键词：任务调度 Min-Min算法有向无环图(DAG) 依赖型任务

来源：评论

学校读者我要写书评

暂无评论

基于移动边缘计算的任务卸载策略研究

基于移动边缘计算的任务卸载策略研究

引用

作者：王瑶江南大学

学位级别：硕士

近年来,面对众多新兴应用程序产生的海量数据,移动设备自身由于电池容量和计算能力等限制已经不能够满足需求。云平台虽然包含了丰富的计算资源,但数据传输延迟会给整个网络带来巨大的压力,因此考虑将智能处理能力配备在网络边缘端的移... 详细信息

近年来,面对众多新兴应用程序产生的海量数据,移动设备自身由于电池容量和计算能力等限制已经不能够满足需求。云平台虽然包含了丰富的计算资源,但数据传输延迟会给整个网络带来巨大的压力,因此考虑将智能处理能力配备在网络边缘端的移动边缘计算已经成为5G场景中一个潜在的研究方向。移动边缘计算范式通过将任务数据卸载至边缘端执行,加快了用户服务的响应时间。为了更加充分地利用边缘端的计算优势,学术界将任务卸载技术作为移动边缘计算中的重点研究方向,进行了广泛讨论。本文针对现有工作中存在的问题,对不同移动边缘计算场景下的任务卸载策略进行了研究。(1)通过将密集小区网络技术与移动边缘计算技术相结合,研究一个密集小区中的异构多边缘服务器系统。首先,基于移动应用程序中任务之间存在的依赖约束关系构建有向无环图(Directed Acyclic Graph,DAG)模型。然后,在满足应用程序截止时间的基础上,提出以降低系统应用程序平均完成时延为目标的优化问题。最后,通过分析待处理任务的紧急程度,设计一种三阶段卸载算法。第一阶段分配应用程序优先级,第二阶段根据逆序动态规划法分配任务优先级,第三阶段任务卸载,在异构计算资源上依据规定原则对任务分别进行调度。仿真实验表明本文通过联合调度多个应用程序和多个任务,有效提高了应用程序的完成率,并降低了系统应用程序的平均完成时延。(2)通过将计算卸载技术与负载均衡技术相结合,构建一个资源有限的边缘网络协作系统。首先,采用广度优先搜索(Breadth First Search,BFS)算法设计调度列表模型,以满足任务之间的依赖条件限制,并在水平方向最大程度地利用任务之间的并行关系。然后,为协调不同边缘服务器的负载情况,将跨服务器协作引入模型。接着,将降低系统完成时延问题分解为面向各调度层的联合卸载和迁移问题,考虑到任务和边缘服务器之间的交互影响,联合问题可以被建模为一个多领导者多跟随者的Stackelberg博弈。最后,证明Stackelberg均衡的存在性,为实现Stackelberg均衡,提出一种基于Q值的卸载算法和分布式迭代迁移算法。仿真结果表明在多用户和边缘服务器环境下,本文的模型和算法都能够有效降低系统完成时延。(3)基于移动终端和边缘端资源的有限性,为保持终端数量增加时服务质量的稳定性,设计一个云边端协同的网络卸载系统。首先,考虑到任务之间的通信,对任务之间不同的卸载情况进行讨论。然后,针对不同类型的终端需求,提出最小化应用程序完成时延与移动终端能耗的多目标卸载模型。接着,基于任务的平均计算价值量为各任务划分优先级,通过优先级可以合理安排任务的执行顺序,从而避免多任务对计算资源的恶意竞争,为后续任务卸载做准备。最后,提出一种D-NSGA算法寻找最优卸载策略。D-NSGA算法中考虑到不同种群的特性,引入了双种群策略,通过对两个种群采用不同的排序选择方式,探索了个体的多样性,避免了算法陷入局部最优。仿真结果证明所提策略与其他基线策略相比,在减少应用程序完成时延与移动终端能耗方面具有优越性。

关键词：移动边缘计算任务卸载技术依赖型任务有向无环图

来源：评论

学校读者我要写书评

暂无评论

边缘计算中面向任务属性的计算卸载策略研究

边缘计算中面向任务属性的计算卸载策略研究

引用

作者：夏焱重庆大学

学位级别：硕士

随着新一代无线通信技术的发展,大量移动设备接入网络,人类生活进入物联网时代。物联网的高速发展衍生出许多的计算密集型应用,传统的移动云计算由于离用户较远以及计算过于中心化等问题,难以满足计算密集型应用对低时延的要求,而移动... 详细信息

随着新一代无线通信技术的发展,大量移动设备接入网络,人类生活进入物联网时代。物联网的高速发展衍生出许多的计算密集型应用,传统的移动云计算由于离用户较远以及计算过于中心化等问题,难以满足计算密集型应用对低时延的要求,而移动边缘计算的出现使之成为可能。然而在现有的边缘系统下仍然存在资源受限、用户间相互干扰等问题,同时对于不同属性的任务其卸载粒度也不尽相同。对于上述问题,论文在边缘系统中计算资源受限的前提下,针对不同属性任务的计算卸载策略进行研究,主要研究工作如下:(1)针对原子型任务,论文研究了多用户多服务器场景下的粗粒度任务卸载策略。综合考虑用户对时延和能耗的偏好,并联合资源分配问题及计算卸载问题,将其建模为系统效用最大化函数。在资源分配方面,通过二分法求解用户上行传输功率,并通过Karush-Kuhn-Tucker(KKT)条件为卸载用户分配计算资源;在计算卸载方面,把问题抽象为有限策略空间的博弈模型,并论证其在有限迭代次数下收敛到纳什均衡的可能性。仿真结果表明,论文针对原子型任务所提出的卸载策略能够有效提升系统效用并且能够适应用户对时延和能耗偏好要求进行动态调整。(2)针对依赖型任务,论文联合无线干扰和信道分配制定细粒度任务卸载策略,以满足最小化用户任务完成时延的要求。首先在单用户单服务器场景下提出一种主路径任务优先调度算法,为子任务计算其优先级并根据优先级制定任务执行顺序;然后,考虑多用户多服务器场景,在为用户制定服务器选择策略后,提出一种基于匈牙利和贪心思想的信道分配算法为用户分配信道,并联合信道分配和任务调度机制,提出一种细粒度任务计算卸载策略。最后,通过仿真表明,针对依赖型任务,细粒度的卸载策略能够有效降低系统用户任务完成的时延要求,并且随着子任务并行度提升,其完成任务的时延还能够进一步降低。

关键词：边缘计算计算卸载卸载粒度原子型任务依赖型任务

来源：评论

学校读者我要写书评

暂无评论

基于数字孪生的车联边缘计算卸载机制研究

基于数字孪生的车联边缘计算卸载机制研究

引用

作者：陈子康电子科技大学

学位级别：硕士

随着智慧网络的发展和智能车辆的普及,在车载软件应用领域涌现了大量的新型业务,例如图像识别、数据加密、现实增强和高清地图等,传统的云计算网络受限于服务设备与终端设备的通信距离,无法满足车联网应用低时延和高可靠的服务需求。移... 详细信息

随着智慧网络的发展和智能车辆的普及,在车载软件应用领域涌现了大量的新型业务,例如图像识别、数据加密、现实增强和高清地图等,传统的云计算网络受限于服务设备与终端设备的通信距离,无法满足车联网应用低时延和高可靠的服务需求。移动边缘计算(Mobile Edge Computing,MEC)技术将服务设备下沉到更加贴近用户层的边缘网络中,加快了任务响应速度。而伴随智能网联车技术的发展,计算/存储等服务的部署进一步延伸至车辆和路旁系统,逐渐形成车联边缘计算(Vehicular Edge Computing,VEC)技术,为车辆和交通基础设施提供更快速、更低延迟的数据处理和决策支持。然而,车辆移动性将引发网络拓扑结构的快速变化,特别是对车-车(Vehicle-to-Vehicle,V2V)通信链路连通性和传输速率的影响,而车辆通信链路中断会导致计算任务响应超时等问题,影响VEC网络中计算任务卸载的可靠性和服务质量。另一方面,由于车辆在路网上行驶,其移动性受到周围车辆以及交通信号的影响,具有一定的可预测性。因此,本文针对如何评估车辆行驶的不确定性,如何构建能够充分感知车辆行驶不确定性并制定具有前瞻性的计算卸载策略上,进行了以下研究。在应对车辆移动性导致服务中断和任务卸载失败概率的增加这一挑战上,本文提出了一种基于驾驶行为特征的车辆跟驰模型,用以推演车辆在有前车跟随情况下的移动轨迹,并基于模拟轨迹指导计算卸载策略的制定,设计了一套车辆跟驰模型辅助下的多用户计算卸载(Task Offloading based on Vehicle Following Model,OVF)策略。车辆跟驰模型会基于不同驾驶员的行为特征,估计驾驶时期望速度、自由加速度、期望车距等关键特征参数,迭代求解未来多步的跟随轨迹;进一步,基于车辆跟驰模型的预测轨迹,预估通信链路的可用性从而判断任务结果的回传模式,为计算任务的响应时延估计提供指导信息;最后构建了以最小化系统时延为目标的最优化问题,通过强化学习中基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法进行求解,仿真证明,跟驰模型辅助下的卸载策略充分考虑了由于车辆移动性引起的传输速率变化,相比于没有跟驰模型辅助的卸载策略,提高了V2V信道的利用率,降低了系统任务响应的平均时延。另外,考虑到由于车辆跟驰模型只适用于跟车场景中,无法照顾到车辆变道、超车和转向等行为这一局限,进一步构建了精度更高的车辆数字孪生模型,设计了由时空编码器和状态共享机制下的解码器组成的车辆轨迹预测模型,对时间上车辆的历史轨迹和空间上车辆周边的交通地图进行双维度下的特征提取,并综合社交范围内的不同车辆的编码特征,在时间上进行进行状态共享,影响彼此的运动轨迹,完成车辆行驶状态的推演和通信链路可用性状态的评估;进一步,考虑到车辆数字孪生体状态推演的时间长度较短,无法覆盖任务执行的全生命周期这一挑战,本文引入了更加复杂的依赖任务模型,将任务拆分成有依赖关系的子任务,细化任务执行的颗粒度,保证数字孪生体的推演范围能够覆盖子任务的整个生存周期,从而高保真的仿真得到任务执行的时延。论文设计了基于数字孪生辅助的依赖任务卸载(Task Offloading based on Vehicle Digital Twin,OVDT)算法,仿真表明所提算法有效降低了系统的卸载时延。

关键词：车联边缘网络数字孪生车辆轨迹预测依赖型任务计算任务卸载

来源：评论

学校读者我要写书评

暂无评论

基于多智能体强化学习的频谱资源分配策略研究

基于多智能体强化学习的频谱资源分配策略研究

引用

作者：马子寒电子科技大学

学位级别：硕士

随着无线通信技术的快速发展,无线网络规模急剧增长,大量的终端设备对频谱资源的需求日益增加,这对有限的频谱资源管理提出了巨大的挑战。认知无线电技术赋予了网络自主学习的能力,开拓了更多的可用频谱,实现了对频谱资源更为高效地分... 详细信息

随着无线通信技术的快速发展,无线网络规模急剧增长,大量的终端设备对频谱资源的需求日益增加,这对有限的频谱资源管理提出了巨大的挑战。认知无线电技术赋予了网络自主学习的能力,开拓了更多的可用频谱,实现了对频谱资源更为高效地分配。然而,伴随着无线网络架构的演进以及高计算需求无线网络应用的涌现,新型的网络对动态频谱分配技术提出了新的挑战:1)在宏基站-微基站混合部署的分层异构网络架构中,密集的微基站部署导致无线干扰环境更为复杂,特别是当用户的任务计算量存在差异时,如何通过分配有限的频谱资源同时结合任务卸载及计算资源分配来满足差异化用户的服务质量是该架构下亟需解决的一个重要问题。2)当计算任务从单一独立任务计算逐步转变为在用户关系和执行时序上具有依赖性的多任务计算后,会导致用户的资源分配受到时序依赖关系的约束,现有的卸载方案由于没有考虑资源分配的时序关系,难以实现频谱资源的高效利用。本文研究了异构网络下的有多种计算需求的多用户计算卸载及资源分配问题,同时研究了存在用户任务依赖的多小区多用户计算卸载及频谱资源分配问题,具体的研究内容如下:针对异构网络下的计算卸载及频谱管理问题,本文以用户任务处理时延及系统能耗为优化目标,根据任务计算量的差异将信道划分为主用户和次用户信道集合,并将主次信道划分策略进一步与计算卸载、频段选择、功率控制及计算资源分配策略相结合,提出考虑用户任务差异的多用户计算卸载资源分配联合优化模型。为了求解该优化问题,本文提出基于多智能体深度确定性策略梯度算法的用户频谱管理方案,通过智能体间的合作学习找到最优的资源分配策略。仿真结果表明,该算法在所提异构网络场景中能有效地减小用户的任务时延及系统能耗。针对具有任务依赖关系的多用户计算卸载及频谱分配问题,本文将用户任务完成时延及系统能耗作为优化目标,将用户间的任务依赖关系建模为有向无环图,提出综合频段和时间段的多用户依赖任务计算卸载时的频谱资源分配优化模型,将频谱资源通过频率及时隙进行划分,用户可在不同时刻进行不同频段的接入。为了能够得到最优的多用户频谱资源分配策略,提出基于多智能体深度Q网络的依赖型任务计算卸载频谱分配算法,实验结果表明所提算法能有效地减小系统用户的任务完成时延及系统整体能耗。

关键词：频谱资源分配计算卸载异构网络依赖型任务强化学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：