软件定义下的CCN缓存算法研究

为了解决内容中心网络（CCN）中存在的缓存问题,在内容中心网络和软件定义网络（SDN）的融合架构下,充分利用控制层全局感知和集中控制的优势,提出了一种软件定义下的CCN缓存决策方法。考虑了中介中心度、内容流行度、节点边缘度和缓存节点存储容量的有限性,引入了控制节点和通信节点的概念,通过控制器缓存决策,使得请求内容在不同的节点进行合理缓存。同时,根据控制节点距离缓存节点和服务器的跳数,找到返回用户请求的最短路径,采用ndnSIM进行仿真实验。结果表明,相比ALWAYS,LCD两种传统缓存决策策略,该方案可以明显提高缓存命中率,降低路径延展率和缓存替换数,达到了提高CCN缓存效率的目的,有利于内容中心网络及未来网络的发展。     

内容中心网络碎片化内容访问的统计机制研究

内容中心网络(content centric networking,CCN)通过在路由器中引入缓存,能够显著地提高用户访问内容的速度并减少网络中的流量.但CCN的缓存机制导致了内容以碎片化形式在网络中,只有一部分内容访问请求能够直接到达内容提供商,导致内容提供商无法真实准确地获得内容的访问统计数据,从而增加其制定恰当的内容收费策略的难度.针对这一问题,提出了一种可以保证内容提供商准确获得内容的访问信息的统计机制.在该机制中,中间网络设备中通过新增内容计数器来统计用户请求的内容信息,在满足阈值条件、缓存内容替换或过期时将内容统计信息反馈给内容提供商,提供商据此可以制定合适的内容收费策略和付费缓存策略.实验结果表明,通过本机制网络设备能够准确地统计用户的内容访问统计信息并及时反馈给内容提供商,内容提供商从而可以准确感知其内容的访问统计数据.     

基于能量模型的交互式流媒体缓存置换策略

针对交互式流媒体应用,提出一种基于能量模型(EM)的缓存置换算法.给出描述用户访问模式的片断划分和记录策略,并提出基于能量模型的内容流行度的表示方法;采用基于指数增长的缓存接入/释放策略,设计了新的效用函数实现缓存替换.仿真结果证明,EM算法能适应不同交互强度的用户访问模式,比传统的分段缓存具有更好的性能.     

内容中心网络中基于缓存压力的选择性缓存机制

内置缓存机制是内容中心网络(Content Centric Networking,CCN)研究的关键问题之一.现有的CCN缓存机制在缓存节点的选择时往往缺乏对节点缓存状态和负载情况等动态信息的综合考虑,因此无法准确反映节点间的缓存状态差异,进而影响了缓存决策的合理性.提出了一种基于缓存压力的选择性缓存机制(Cache Pressure Based Selective Caching,CPBSC).该机制利用节点的缓存占用率和缓存替换率评估节点的缓存压力,并结合内容的流行度实现缓存节点的合理选择.同时,根据内容的请求率和兴趣分组的剩余生存时间评估不同内容的缓存价值,以此实现缓存内容的合理替换.仿真结果表明,CPBSC有效地优化了缓存资源利用率,并显著提高了系统的整体缓存性能.     

基于深度强化学习的无线网络边缘缓存技术综述

边缘缓存能够有效降低服务时延、缓解回程链路流量压力以及提升用户体验质量,可用于解决现有移动通信网络架构难以支撑的数据流量极速增长,满足用户对高质量网络服务的需求。但是复杂的网络状况和未知内容流行度给边缘缓存策略研究带来很大挑战。首先从边缘缓存的优势挑战、应用场景、核心要素等方面介绍边缘缓存网络的基础架构和流程,对研究现状进行分析总结。随后简述深度强化学习技术和DQN算法,分类介绍基于不同缓存系统架构和基于不同深度强化学习方法的边缘缓存策略。最后重点对基于深度强化学习的缓存模型进行解析,提出下一步研究方向。     

基于MEC-D2D的分布式协同缓存方案

针对移动边缘计算服务器存储能力有限的问题,利用终端通信技术数据共享优势提出了一种基于动态规划的移动边缘计算与终端通信(MEC-D2D)协同内容缓存放置策略.首先分析协同通信模型中的内容流行度、缓存空间有限性以及干扰限制等因素对用户内容获取平均时延的影响;然后通过建立内容分段获取模型,以降低用户内容获取平均时延为优化目标;最后将缓存问题视为完全背包问题,并采用动态规划算法设计最优缓存分配方案.仿真实验表明所提缓存策略可有效降低用户内容获取平均时延.     

基于区域集中存储的CCN路由策略

针对在内容中心网络(content-centric networking, CCN)中如何结合缓存资源提高路由效率,优化网络性能的问题,提出一种轻量级的基于区域集中存储的路由策略(regional centralized storage routing strategy, RCSRS)。提出区域集中存储思想,以节点度中心性、紧密中心性、介数中心性和凝聚度为指标,选取区域中心度最高的节点作为核心节点集中缓存内容资源,剩余普通节点仅负责路由转发;并设计基于集中存储的路由机制,路由时快速引导兴趣包至区域核心节点以查找内容。仿真结果表明,与传统路由策略相比,该方案在较低网络开销下,平均命中率、平均请求时延和平均跳数减少率方面有明显提升。     

基于多接口的内容源移动性管理机制

内容中心网络(content-centric networking,CCN)实现了基于内容的信息传输以及泛在的网络缓存功能,但是,CCN中内容名字和位置的绑定使得其应用于移动网络时面临着基于内容名字的路由收敛问题,尤其是当内容源移动时.针对此问题,提出一种基于多接口的内容源移动性管理机制.在网络中部署多接口移动内容路由器,路由器通过内向和外向接口先后执行切换,使得中断间隔时延最小.通过数学建模分析切换性能,并进一步分析切换的中断间隔时间,研究影响切换时延的主要参数.实验结果表明,通过合理配置主要影响参数信道扫描频率及移动内容路由器间距,可以提高切换性能,实现无缝切换.     

基于命名数据网络的5G架构网络层研究

为了应对移动通信数据流量的爆发式增长,克服当前移动互联网存在的弊端,提出基于命名数据网络的5G系统架构.与IP网络架构不同,该架构在网络层部署命名数据网络协议从而改变传统端到端的通信模式.通过对该架构网络层的用户体验速率、端到端传输延时和移动性等方面进行仿真实验,证明基于命名数据网络的5G系统架构网络层具备优秀的通信性能,可满足未来移动互联网的发展需求.     

内容中心网络中一种基于内容扩散的主动缓存机制

借鉴分子扩散的思想,提出一种基于内容扩散的主动缓存机制(Content Diffusion Based Proactive Caching,CDBPC).该机制引入缓存内容浓度的概念来描述不同内容在不同区域内的需求程度,然后根据节点间的缓存内容浓度关系来驱动内容副本在网络中的主动推进和迁移,并结合内容的流行度等因素实现了缓存内容的概率性放置,从而达到内容缓存的快速部署和推进,提高为用户提供就近响应概率的目的.仿真结果表明,该机制能有效地降低系统的平均接入代价并提高缓存命中率.     

基于辅助设备的D2D集群的文件块缓存策略研究

为了解决D2D缓存命中概率的最优化问题,在集群用户中加入了移动辅助设备(HEs)缓存,同时,提出了基于辅助设备的D2D集群的流性文件块分批缓存策略(FCPhit):首先,将有相似文件请求的用户群置于一个集群中;然后,将用户分批并将流行文件分为若干块,用户设备缓存文件的第1块,移动辅助设备缓存其他文件块. 并与已有的最流行缓存策略(MPhit)、最优缓存策略(OCPhit)和等概率缓存策略(EPRC)进行对比实验,结果表明:FCPhit策略可以有效提高系统的缓存命中概率.     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.     

星地认知网络能效谱效联合博弈功率控制算法

在Underlay模式下,卫星网络覆盖范围大会导致用户频率冲突干扰,针对该问题以及星地网络中移动用户的能量有限的情况,综合考虑卫星用户中地面站和移动用户的差异,构建了基于能效谱效联合博弈的星地认知网络多用户功率控制模型,并在该博弈模型基础上提出了一种能效谱效联合博弈算法(COAES),定义了能效和谱效因子,通过对不同用户的能效和谱效优化需求进行博弈,并证明每个用户均能达到最优状态即纳什均衡状态。仿真结果表明:COAES算法能满足不同用户的谱效和能效需求,并且联合因子相比NETMA算法和PRA算法分别提升了50%和35%。     

基于SWIPT的D2D通信辅助移动边缘计算任务卸载策略

为解决5G移动通信系统中移动用户计算能力不足、能量消耗多、无线资源缺乏等问题，本文构建一种基于无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)的多用户设备间(Device to Device, D2D)通信辅助移动边缘计算(Mobile Edge Computation, MEC)系统模型，提出一种D2D-MEC联合卸载策略。该策略以系统中请求用户总能耗最小化为目标，采用二进制卸载模式和功率分流模式对请求用户进行任务卸载和能量收集。针对能耗最小化问题为非线性混合整数规划问题，根据整数变量和实数变量将原问题解耦为功率分配和计算任务卸载两个独立子问题，并分别采用Dinkelbach方法和匈牙利算法求出两个子问题的最优解。仿真实验结果表明，本文所提策略优于传统的D2D卸载策略和MEC卸载策略，有效降低了请求用户的总能耗，提高了任务执行效率。