D2D协作的边缘缓存系统能耗分析

针对移动边缘系统低功耗的需求,基于随机几何理论,研究了不同场景下D2D协作边缘缓存系统中移动设备的能耗.将请求用户和空闲用户的动态分布建模为相互独立的齐次泊松点过程(Homogeneous Poisson Point Process,HPPP),综合考虑移动设备的平均能耗与请求业务卸载概率、空闲设备激活概率和D2D通信...     

面向用户公平性的边缘内容缓存策略

针对现有内容缓存研究中用户获取内容服务质量失衡导致的用户不公平问题,提出一种用户公平且快速高效的启发式内容缓存算法.在给出用户效用函数的基础上,首先,根据单位预算提升的最小效用及总效用定义内容和边缘服务器组合的优先级;然后,贪心地选择高优先级组合更新缓存策略.此外,以启发式算法的结果为初始解,定制一个模拟退火算法以进一...     

基于缓存开销的信息中心网络缓存协作策略

网络化缓存策略影响ICN网络的传输性能,考虑到缓存执行时的开销不仅包含访问缓存节点时的路径代价,还应包含替换旧信息的替换代价,因此提出一种基于路径访问代价和节点替换代价的缓存协作策略(path and node cost based cooperative caching strategy, 简称PNC3S).该策略对两种代价进行整体考虑,将代价总量作为是否进行信息与节点匹配缓存的依据,对提出的策略模型进行优化分析,将最优解作为缓存部署方案.实验结果表明,与CEE,LCD策略相比,PNC3S可以改善网络的信息缓存率、服务器的负载率、网络链路平均利用率,以及访问跳数减少率.     

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。     

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.     

基于边缘计算的移动网络缓存和转发优化研究

研究了基于边缘计算的移动网络中缓存和转发问题,为了避免网络拥塞和达到负载均衡,考虑数据缓存和请求转发的联合优化问题,利用随机优化模型,以网络稳定性作为约束条件,以平均传输成本最小化作为目标。利用李雅普诺夫优化技术,将联合优化问题转化线性规划问题,并设计了实时的缓存和转发在线算法。仿真实验的结果表明,该算法能够实现拥塞避免和负载均衡的同时,降低传输成本。     

P2P流媒体的协作缓存研究

为了缓解点对点(P2P)流媒体系统给互联网带来的通信压力,设计了一种基于P2P流媒体网络的协作缓存机制.首先,对已有的大规模P2P流媒体系统进行了测量实验,发现它们通过部署专用服务器提高系统整体性能,而节点之间的协作比较差.然后,利用缓存数据块的被访问频率计算其价值,利用数据块的传输时延计算其请求分布因子.最后,节点结合数据块价值和请求分布因子替换已缓存数据,尽可能地保留那些来自较远节点的缓存数据和高频数据,以实现缓存数据的均衡分布,提高节点之间的协作性.模拟结果显示所提出的方法在在缓存命中次数、系统负载和节点协作性等多个尺度上有较好的性能.     

基于逆向拍卖的D2D边缘缓存网络编码内容定价与交易机制

在D2D边缘缓存网络中引入网络编码技术具有缓存利用率高、数据块调度过程简单及系统鲁棒性高等优点。但是,由于对编码块分享所带来的设备能量消耗等顾虑,用户倾向于只从网络获取内容而进行内容分享,这种自私行为直接影响了系统的总体性能。针对该问题,提出了一种基于逆向拍卖的D2D编码网络内容分享激励机制——RACON。RACON以实现网络内容分享总效用最大化为目标,将内容请求者视作拍卖过程的买家,而将买家周围的潜在内容提供者视为拍卖过程的卖家;买、卖方的内容叫价过程可综合考虑其自身电量资源、用户之间传输距离以及传输内容的供需关系等影响因素;拍卖结果允许多个卖家中标,并采用虚拟代币结算,从而激励用户间相互分享缓存内容。理论分析证明RACON机制符合双边激励相容性、个人理性约束、物质及弱预算平衡特征,可有效约束买、卖方拍卖行为。仿真实验进一步表明,RACON机制能够有效地激励网络内用户间编码内容分享过程,最大化边缘缓存网络效用。     

异构蜂窝网络中基于协作混合缓存的能耗分析

针对由宏基站和小基站组成的两层异构蜂窝网络缓存场景,设计了将混合缓存与基站之间的协作相结合的混合协作缓存机制。用户接入采用封闭式接入策略,将两层异构网络基站的分布建模为相互独立的PPP过程,基于随机几何理论,在宏基站和小基站使用正交频谱和共享频谱两种场景下,采用文件重传机制,分别推导了宏用户和小基站用户的无线传输中断概率,基于混合协作缓存机制推导了文件命中率,并在此基础上,进一步推导了服务用户的系统能耗。仿真结果表明,推导的理论值与仿真值基本一致,证明了推导的正确性;文中设计的缓存策略能够提高用户请求文件的命中率,减少系统的能耗。     

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.     

基于边缘计算的协作式多媒体视频处理框架

提出了一种基于边缘计算的协作式多媒体视频处理框架,并提出了一种协同视频处理方案,将移动设备形成视频处理组,并将视频块分派给适当的视频处理组.为了验证本框架的有效性,采用模拟仿真实验评估所提出的方案的性能.结果显示,该框架能够有效减少处理延迟和程序运行时间.该框架能够为在现实环境中进行边缘多媒体视频处理提供理论支持和技术支撑.     

基于嵌入协作的多方法协作优化方法

提出一种基于嵌入协作的多方法协作优化方法。算法采用嵌入方式组织各个优化方法之间的协作,利用优化方法之间的协作效应提高优化性能。进行遗传算法、模式搜索法和Powell法嵌入协作组成的多方法协作优化方法设计。计算实例表明,基于嵌入协作的多方法协作优化方法取得了优于单个优化方法的全局最优特性。     

基于分支定界方法的双边装配线平衡

针时目前研究较少的双边装配线平衡问题，分析、研究了双边装配线的特点及其时平衡的特殊要求，建立双边装配线平衡问题的数学模型，并提出一种分支定界算法来最优化装配线的平衡。该算法采用基于任务、单步、深度优先的方法进行搜索，采用一系列启发式规则来控制分支节点搜索顺序，运用节点支配规则，下界规则，最大缓冲时问规则等时分支节点进行定界，以便迅速找到最优解，算例结果证明该算法具有较好的性能。     

一种基于区域划分和内容流行度的NDN缓存策略

针对命名网络中路由器缓存能力有限的问题,提出了一种基于区域划分和内容流行度的NDN缓存策略(CCNCP).该策略根据拓扑结构划分区域,并综合衡量节点重要性选出局部中心节点和全局中心节点;引入分类的内容流行度,合理地将不同流行度的内容缓存在不同重要度的节点.首先采用经典的GN算法进行社区划分.定义了度中心性、紧密中心性、介数中心性等中心性度量指标.然后建立了系统模型,给出了缓存策略.最后对Zachary空手道俱乐部网络的社团结构进行改编,并引入真实拓扑GARR,使用Icarus模拟器进行仿真试验.结果表明：CCNCP在2个不同网络结构中表现得最好;当参数S等于0.25时,CCNCP和第2好缓存策略ProbCache的缓存命中率、延迟、路径拉伸比分别为30.9%和26.8%、52.9和56.2 ms、0.584和0.617,前者比后者分别提高4.1%、降低5.9%、降低5.3%,可见CCNCP在3个指标上与现有的典型策略相比都具有显著优势.     

基于Adaboost学习的lCN自适应缓存算法

针对信息中心网络(ICN)中缓存内容优化放置的问题,提出一种基于Adaboost学习的自适应缓存算法ACAL.该算法首先将提取的节点和内容数据流作为网络资源,然后利用集成学习算法Adaboost对数据流进行分析挖掘,利用挖掘出的状态属性与缓存匹配之间的函数映射关系对未来时间段内的节点与内容间的匹配关系进行预测,该预测结果用于指导缓存的部署.实验结果表明,ACAL在延时、缓存命中率和链路利用率等指标方面,与CEE策略、LCD策略、prob0.5策略和OPP策略相比有显著的优势.     

基于遗传-粒子群优化算法带有缓存机制的卸载策略

为了满足移动边缘计算(Mobie Edge Computing, MEC)场景中时延敏感型应用的需求,提出一种基于遗传-粒子群优化算法(Genetic-Particle Swarm Optimization Algorithm, GA-PSO)和缓存机制的卸载策略。该策略将遗传算法和粒子群优化(Particle Swarm Optimization, PSO)算法融合起来,以便求取边缘计算卸载中的最优卸载比例和缓存决策;将已完成且重复请求的任务及相关数据在边缘云上进行缓存,用以最小化任务的卸载时延。仿真实验结果表明,该策略可以有效降低移动边缘计算的时延。     

基于老化算法的分布式文件缓存算法

为提升数据检索读的性能, 基于老化算法采取Cache方法, 通过设计合理的缓存结构, 给出一种新的分布式文件缓存算法. 该算法在缓存实现部分, 使用了LRU算法中常用的老化算法, 并将其由一个页面置换算法改进为一个文件缓存替换算法, 且在该过程中完好地继承了老化算法的优点. 评测结果显示了改进方法的有效性.     

基于情景方法的微型智能电网经济运行的优化

针对微型智能电网经济运行优化问题中,分布式可再生能源输出功率的预测误差具有不确定性的特点,提出了一种基于混合0-1随机非线性规划的微型智能电网运行优化方法.该方法将蒙特卡洛方法与轮盘赌选择机制相结合,利用情景生成方法来表示分布式可再生能源输出功率预测误差的所有可能实现,同时将带有不确定性的微型智能电网运行优化问题转化为确定性的混合0-1非线性优化问题,并用分支定界算法求解混合0-1非线性优化问题.最后,利用情景聚合方法得到最优期望解.通过仿真实验表明了所提出方法的有效性.     

缓存辅助移动边缘计算的任务卸载与资源分配联合优化策略

为了减少资源受限的移动边缘计算场景下任务卸载和资源分配过程中的能量消耗,提出缓存辅助的动态卸载决策和计算、通信、缓存多维资源分配的联合优化策略。该策略根据任务流行度制定缓存服务,通过控制用户设备的发射功率优化通信资源分配,并结合计算卸载合理利用服务器的计算资源。提出最小化时延和能耗的均衡优化目标,设计基于深度强化学习的优化求解算法。最后,通过仿真实验验证所提策略的有效性,结果表明该策略在计算资源和缓存容量约束条件下能展现较优性能。