本書探討了深度學習技術(shù)在網(wǎng)絡及其應用的協(xié)同智能管控中的主要實踐范式。全書共分為7章。第1章介紹網(wǎng)絡資源管控模式的發(fā)展，分析網(wǎng)絡及其應用的協(xié)同決策方法需要解決的兩類問題及其挑戰(zhàn)，以及使用深度學習技術(shù)應對這些問題的方法，最后概述了深度學習在網(wǎng)絡資源管控中的已有工作。第2章針對DASH業(yè)務視頻碼率調(diào)整和帶寬資源分配聯(lián)合優(yōu)化問題，介紹一種利用深度學習和監(jiān)督學習框架的快速求解方案。第3章針對移動邊緣計算場景中任務卸載和計算資源分配聯(lián)合優(yōu)化問題，介紹兩種基于深度學習和監(jiān)督學習的快速求解方案。第4章針對移動增強現(xiàn)實業(yè)務中的計算資源動態(tài)分配問題，介紹一種利用單智能體深度強化學習的求解方案，智能體通過對網(wǎng)絡中計算資源的分配引導應用調(diào)整參數(shù)；針對移動增強現(xiàn)實業(yè)務中的多應用參數(shù)協(xié)同調(diào)整問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體協(xié)同進行應用參數(shù)調(diào)整。第5章針對多聯(lián)盟鏈場景下路由和帶寬資源動態(tài)分配問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體首先進行路由規(guī)劃，然后由網(wǎng)絡層進行帶寬資源分配。第6章針對無線傳感器網(wǎng)絡中動態(tài)路由規(guī)劃問題，介紹一種利用多智能體深度強化學習的求解方案，各智能體首先生成用于路由決策的元數(shù)據(jù)，然后由網(wǎng)絡層產(chǎn)生最終路由方案。第7章對本書內(nèi)容進行總結(jié)，展望未來可能的研究方向。