CN103747509A - 网络能量最小开销方法 - Google Patents

Abstract

本发明涉及一种网络能量最小开销方法，包括以下步骤：分析网络中的存储能耗、传输能耗及它们之间的关系；根据网络中的缓存能耗、传输能耗建立网络中eNodeB的最小化网络能耗模型；通过对最小化网络能耗模型求解，得出所述eNodeB之间的协同缓存策略；网络中的eNodeB与SGW相互协作用于降低请求的传输距离，以减小网络传输时延和网络传输能耗。本发明基于无线接入网络eNodeB配备缓存能力，采用本发明提供的网络能量最小开销方法能够有效的减少网络能耗及减少网络时延，提高用户体验。

Description

网络能量最小开销方法

技术领域

本发明涉及计算机网络领域，尤其涉及一种网络能量最小开销方法。

背景技术

随着科技的不断发展，因特网已经成为一个统一、全球范围内的分布式系统。传统的Web内容和越来越多的视频文件，如用户产生视频（UserGeneration Video，UGV）、视频点播（Video on Demand）等，都通过因特网进行内容分发和传输。据思科公司2012年报估计，到2015年视频点播类流量会增长到3×10¹⁹。为了减少访问内容的访问延时和网络传输流量，网络设备的缓存能力被提出成为其基本属性，网络设备，包括路由器等设备按照一定的策略对其经过的数据包进行缓存，从而可以为后续到来的请求提供更好的服务。演进式基站节点（Evolved Node Basestation，eNodeB）是长期演进技术（Long Term Evolution，LTE）中基站的名称，作为接入用户的最后一公里，。无线接入网络（Ration Access Network）的eNodeB也被提出应具备缓存能力。eNodeB具备缓存能力对提升网络性能有很大的意义，而现有技术仍没有设计专门针对eNodeB缓存能力的缓存策略。

如图1所示，移动用户将请求首先给某个eNodeB发送，在传统方案中eNodeB收到请求后只承担请求路由转发的功能，eNodeB负责将请求发送到服务网关（Service Gate，SGW）。当eNodeB节点具备缓存能力之后，其收到请求先查找本地的存储空间，看请求是否能在本地得到满足，如满足则直接向移动用户返回请求内容；反之则向SGW转发。

综上所述，给eNodeB具备缓存能力可以将用户的访问内容更靠近地推送给用户，以减少用户对访问内容的访问时延，。从网络能耗的角度考虑，图1中为满足用户请求产生的网络能耗E_tot主要包括传输能耗E_tr和缓存能耗E_ca。通过给eNodeB配备缓存能力可以减少了内容的传输能耗，但也会带来额外的缓存能耗。传输能耗开销和存储能力开销存在对立的关系。在给定无线网络拓扑，eNodeB节点的缓存大小，需要决定在缓存空间放置哪些内容，可以使网络能耗最小；当缓存空间满了以后，则需要决定是否进行内容的替换。针对这些问题，当前仍没有系统模型研究无线接入网络中因eNodeB配备缓存设备后传输能耗和缓存能耗的关系。

Ahlehagh等人在“In Wireless Communications and Networking Conference(WCNC),2012IEEE,pages2276–2281.IEEE,2012.”《Video caching in radioaccess network:Impact on delay and capacity》中提出一种在无线接入网络的eNodeB节点放置内容的策略来尽量避免在核心网络的内容传输，但是他们的工作仅仅关注于eNodeB的缓存决策，而没有提及由于在eNodeB设置缓存而带来缓存能耗开销，也没有对缓存能耗和传输能耗的关系讨论。

Gupta和Singh是最早研究因特网能耗的学者，他们在“In Proceedings ofthe2003conference on Applications,technologies,architectures,and protocols forcomputer communications,pages19–26.ACM,2003.”《Greening of the internet》中提出美国网络设备的耗电占美国总耗电量的0.07%，并且逐年呈指数级增长的趋势。当前的技术主要关注于如何减小网络能耗，如Nedevschi等人提出一种周期性令设备休眠的机制来节约能耗，但是这种方案不适用于实时的网络设备，因为该方案有可能造成不可接受的网络时延；Raghavan等人在“InProceedings of the2003conference on Applications,technologies,architectures,and protocols for computer communications,pages19–26.ACM,2003.”中提出一种模型来近似因特网的能耗开销，他们主要计算因特网的操作能耗。Nedevschi和Raghavan对网络能耗的研究方案都不能直接应用于无线接入网络eNodeB节点的缓存。

发明内容

本发明的目的是针对以上问题，提供了一种可以有效较少网络能耗的网络能量最小开销方法。

为实现上述目的，本发明提供了一种网络能量最小开销方法，所述网络包括服务网关SGW、至少两个演进式基站节点eNodeB，所述至少两个演进式基站节点eNodeB具有缓存能力，其特征在于，所述方法包括以下步骤：

分析网络中的网络能耗及其关系，所述网络能耗包括缓存能耗和传输能耗，所述传输能耗是将内容k从一个所述eNodeB传输到另一个所述eNodeB的能量消耗；

根据所述网络中的网络能耗及其关系建立网络中所述eNodeB的最小化网络能耗模型；

通过对所述最小化网络能耗模型求解，得出所述eNodeB之间的协同缓存策略；

基于协同缓存策略，所述网络中的所述eNodeB与所述SGW对内容进行选择性存储以及传输，相互协作用于降低请求的传输距离，以减小网络传输时延和网络传输能耗。

进一步地，协同缓存策略包括放置决策和路由决策。

进一步地，所述最小化网络能耗模型包括：

目标函数，所述目标函数为在时间t内所述网络能耗中所述缓存能耗与所述传输能耗总和的最小值；

第一约束条件，所述第一约束条件为eNodeB放置内容的总和不能超过所述eNodeB可用的缓存空间大小；

第二约束条件，所述第二约束条件为请求或被第一个接收的eNodeB满足，或通过SGW转发由同一个无线接入网的其它eNodeB满足，或通过SGW转发到内容源服务器处得到满足；

第三约束条件，所述第三约束条件为SGW只有在N_j节点存储了所述内容k的前提下，将在eNodeB节点N_i对所述内容k的请求转发到节点N_j。

进一步地，所述目标函数为：

$\min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}[w_{\mathrm{ca}}{s}_{k}t{X}_{\mathrm{ik}}+{\mathrm{\λ}}_{\mathrm{ik}}{s}_{k}t(p_{i,-1}{X}_{i,-1k}+\underset{j\≠i}{\mathrm{\Σ}}{p}_{\mathrm{ij}}{X}_{\mathrm{ijk}})]$

其中

表示在时间t内所述eNodeB的缓存能耗；

为时间t内网络中产生的传输能耗;

w_ca表示缓存能率，k表示网络中的内容数目，s_k表示所述内容k的大小，t表示时间，X_ik表示N_i对所述内容k的存储决策，取值为0或1，N_i表示eNodeB节点i，N_j表示eNodeB节点j，X_ijk表示从N_i到N_j对内容k的请求转发决策，N₀表示SGW，λ_ik表示N_i收到内容k的请求速率，p_r表示路由器的能效，p_l表示链路的能效。

进一步地，所述第一约束条件为：

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_{\mathrm{ik}}{s}_k\≤B_i,\∀i=1,...,M$

其中，M表示网络中eNodeB的数目，X_ik表示N_i对内容k的存储决策。

进一步地，所述第二约束条件为：

$X_{\mathrm{ik}}+X_{i,-1k}+\underset{j\≠i}{\mathrm{\Σ}}{X}_{\mathrm{ijk}}=1,\∀i=1,...,M,k=1,...,K$

其中，X_i，-1k表示从N_i到服务器对内容k的请求转发决策。

进一步地，所述第三约束条件为：

$X_{\mathrm{ijk}}\≤X_{\mathrm{jk}},\∀i\≠j=1,...,M,k=1,...,K$

其中，X_jk表示表示N_j对内容k的存储决策。

进一步地，所述协同缓存测量是指eNodeB之间相互协作来决定缓存空间的所述内容放置和替换策略。

进一步地，采用启发式算法求解所述目标函数最优解。

进一步地，所述传输能耗主要由所述网络路由器和连接所述路由器的链路引起的能耗。

进一步地，在同一子网中所述N_i到所述N_j转发所述内容k产生的传输能耗用E_tr，ijk表示：

E_tr，ijk＝s_k[p_r(d_ij+1)+p_ld_ij]

其中，d_ij表示所述eNodeB是所述N_i到所述N_j之间的网络距离。

本发明带来的有益效果是：本发明基于无线接入网络eNodeB配备缓存能力，采用本发明提供的网络能量最小开销方法能够有效的减少网络时延和网络能耗，提高用户体验。

附图说明

图1为本发明无线接入网络示意图；

图2为本发明网络能量最小开销方法步骤的流程图；

图3为本发明一实施例中无线接入网络的SGW和eNodeB节点连接示意图；

图4A为本发明一实施例中在一缓存能率W_ca下不同方法的网络能耗随着eNodeB缓存大小的变化示意图；

图4B为本发明一实施例中在另一缓存能率W_ca下不同方法的网络能耗随着eNodeB缓存大小的变化示意图；

图5A为本发明一实施例图4A方案中在一缓存能率W_ca下的内容放置示意图；

图5B为本发明一实施例图4B方案中在另一缓存能率W_ca下的内容放置示意图；

图5C为本发明图一实施例中在又一缓存能率W_ca下的内容放置示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图2是本发明网络能量最小开销方法步骤的流程图。

如图2所示，步骤201为分析网络中的网络能耗及其关系，其中网络能耗主要包括缓存能耗和传输能耗。

图3所示是本发明一实施例中无线接入网络的SGW和eNodeB的连接图。

如图3所示，一个无线接入网络包括一个SGW，多个eNodeB，并且为若干个移动用户提供服务。每一个eNodeB是通过无线接入的方式连接到所在无线接入网络的SGW，eNodeB之间的通信需经过SGW。实施例中，优选N₀表示SGW，N_i表示第i个eNodeB，其中i=1,…,M。N_i配备大小为B_i的缓存设备，N₀主要用于无线接入网络的请求汇聚、请求转发，N₀不具备缓存能力。优选包括因特网的内容集合用K表示，内容k的大小用s_k表示，其中k=1,…,K。

N_i的缓存能耗用E_ca，i表示。基于因特网的能量比例理论，E_ca，i正比于N_i的缓存能率w_ca。不同的缓存硬件有着不同的缓存能率，如高速磁盘(high-speedstate disk,SSD)的缓存能率为6.25×10^-12watt/bit，高速动态随机存取存储器(dynamic random access memory,DRAM)的缓存能率为2.50×10^-19watt/bit，静态随机存取存储器(static random access memory,SRAM)的缓存能率为1.50×10^-8watt/bit。

优选X_ik表示在N_i放置内容k的决策，取0或1值。当X_ik=1表示在N_i放置内容k；X_ik=0表示不在N_i放置内容k。依据Choi等人提出的能量比例模型，eNodeB节点N_i在时间间隔t内对内容k的存储而产生的存储能耗E_ca，i(t)为：

$E_{\mathrm{ca},i}\left(t\right)=\underset{k\∈K}{\mathrm{\Σ}}{X}_{\mathrm{ik}}{s}_k{w}_{\mathrm{ca}}t---\left(1\right)$

网络传输能耗主要是由网络路由器和连接路由器的链路引起的能耗。在无线接入网络中，传统的请求转发策略是：eNodeB将其不能满足的请求默认向SGW转发，SGW负责将请求按照路由表向距离最近的服务器转发。本发明实施例中，在同一个无线接入网络中的eNodeB通过SGW相互协作来降低请求的传输距离，从而减小传输时延和传输能耗，即SGW收到某一eNodeB发送的内容请求，若该请求能在同一无线接入网络中满足其它eNodeB，则将请求向该eNodeB转发，反之则按照传统的转发路径向距离最近的服务器转发。在同一子网内从eNodeB节点N_i到N_j转发内容k产生的传输能耗用E_tr，ijk表示，有：

E_tr，ijk＝s_k[p_r(d_ij+1)+p_ld_ij]    （2）

其中，p_r和p_l分别表示路由器和链路的能量密度，一般取p_r=1.7×10^-8J/bit，p_l=5×10^-9J/bit，d_ij表示所述eNodeB是所述N_i到所述N_j之间的网络距离。

如图2所示，步骤202为根据网络中的网络能耗及其关系建立网络中eNodeB的最小化网络能耗模型。由于网络能耗包括缓存能耗和传输能耗，根据上述对缓存能耗和传输能耗的定义，则最小化网络能耗建模如下：

$\min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}[w_{\mathrm{ca}}{s}_{k}t{X}_{\mathrm{ik}}+{\mathrm{\λ}}_{\mathrm{ik}}{s}_{k}t(p_{i,-1}{X}_{i-,k1}+\underset{j\≠i}{\mathrm{\Σ}}{p}_{\mathrm{ij}}{X}_{\mathrm{ijk}})]---\left(3\right)$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_{\mathrm{ik}}{s}_k\≤B_i,\∀i=1,...,M---\left(4\right)$

$X_{\mathrm{ik}}+X_{i,-1k}+\underset{j\≠i}{\mathrm{\Σ}}{X}_{\mathrm{ijk}}=1,\∀i=1,...,M,k=1,...,K---\left(5\right)$

公式(3)是模型的目标函数，

表示在时间间隔t内的eNodeB的缓存能耗；

表示在时间间隔t内因满足用户请求导致的传输能耗。根据传输能耗定义式(2)，有p_i，-1＝p_r(d_i，-1+1)+p_ld_i，-1，以及p_ij＝p_r(d_ij+1)p_ld_ij。公式(4)-(6)是最小化网络能耗模型的约束条件，其中，约束条件(4)表示eNodeB放置内容的总和不能超过该节点可用的缓存空间大小；约束条件(5)表示用户请求被第一个接收的eNodeB满足，或通过SGW转发由同一个无线接入网的其它eNodeB满足，或通过SGW转发到内容源服务器处得到满足；约束条件(6)表示SGW只有在N_j节点存储了内容k的前提下，才将在eNodeB节点N_i对内容k的请求转发到N_j节点。

表1为本发明实施例中对应参数的定义，表1及本发明中对参数的定义适用于本发明所有的实施例。

表1

如图2所示，步骤203为本发明对最小化网络能耗模型求解，得出所述eNodeB之间的协同缓存策略。

在对本发明建立最小化网络能耗模型求解的一实施例中，依据依据NP-Hard问题论证理论，本发明的最小网络能耗模型属于NP-Hard问题，因此不能在多项式时间内找到模型的最优解。考虑模型求解的复杂度和可行性，本提案提出利用拉格朗日松弛算法对模型进行求解，得到模型的近似最优解及复杂度较低的模型求解算法。

为了使问题的求解过程更简洁，令并代入目标函数(3)。由于目标函数中移除了X_i，-1k，约束条件(5)变成

并引入拉格朗日乘子η_ik。此外，取时间间隔t为一定值，在问题的求解时可以把参数t忽略而不影响模型的求解，则引入拉格朗日乘子后的目标函数

变为：

由上式(7)可看出，

可分解为一个|M|维度的内容存储问题（即公式(7)加号的前半部分），和一个|M|维度的请求转发问题（即公式(7)加号的后半部分）。这两个分解后的子问题都可以通过次梯度优化算法解决。然而次梯度优化算法需要在求解过程中多次迭代拉格朗日乘子η_ik，算法复杂度太高，因此本提案尝试一种启发式算法来求解目标函数

的最优解。

首先，先将目标函数

分解为两个子问题LP₁和LP₂如下：

${\mathrm{LP}}_1:\min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(w_{\mathrm{ca}}{s}_k-{\mathrm{\λ}}_{\mathrm{ik}}{s}_k{p}_{i,-1}+{\mathrm{\η}}_{\mathrm{ik}})X_{\mathrm{ik}}$

$s.t.\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_{\mathrm{ik}}{s}_k\≤B_i,\∀i=1,...,M$

$X_{\mathrm{ik}}\∈\left\{\mathrm{0,1}\right\},\∀i=1,...,M,k=1,..,K$

${\mathrm{LP}}_2:\min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{j\≠i}{\mathrm{\Σ}}[{\mathrm{\λ}}_{\mathrm{ik}}{s}_k(p_{\mathrm{ij}}-p_{i,-1})+{\mathrm{\η}}_{\mathrm{ik}}]X_{\mathrm{ijk}}$

$s.t.X_{\mathrm{ijk}}\≤X_{\mathrm{jk}},\∀i\≠j=1,...,M,k=1,...,K$

$X_{\mathrm{ijk}}\∈\left\{\mathrm{0,1}\right\},\∀i\≠j=1,...,M,k=1,...,K$

分解后得到的LP₁是内容放置问题，而LP₂是请求转发问题，在LP₁求解后进行求解。通过观察可知，LP₁是一个典型的背包问题，可通过贪婪算法求解，具体的求解步骤如下:eNodeB节点按照下式决定内容的放置：

其中，a_ik＝w_cas_k-λ_iks_kp_i，-1+η_ik，w_cas_k表示在eNodeB节点的局部缓存因存储内容而产生的缓存能耗，λ_iks_kp_i，-1表示如果eNodeB节点本地没有缓存内容k需要到源内容服务器请求内容而导致的传输能耗，因此a_ik表示缓存能耗和传输能耗的协调参数。只有在缓存能耗大于传输能耗时，即a_ik≤0时，eNodeB节点才会决定在本地放置该内容k。此外，由于eNodeB节点本地缓存空间有限，在求解LP₁时，eNodeB节点将内容按照a_ik值从小到大排序，优先放置a_ik值小的内容，缓存放置分界值k_i0取

EnodeB将本地不能满足的请求默认转发给SGW，然后SGW通过求解LP₂来决定是将请求转发到源服务器，或将请求向同一无线接入网络内的其他缓存了请求内容的eNodeB转发。在LP₂中，令b_ijk＝λ_iks_k(p_ij-p_i，-1)+η_ik,表示从任一N_j节点获取内容k的传输能耗和从源服务获取内容k的传输能耗。如果p_ij＞p_i，-1，SGW选择向源服务器获取内容，反之则选择于向N_j节点获取内容。

在LP₁和LP₂的求解过程中，拉格朗日乘子η_ik由SGW负责更新，并且统一下发到SGW覆盖区域的无线接入网络内的eNodeB。在本发明实施例中，η_ik取经验值。

图4A和图4B为本发明实施例中采用不同方法的网络能耗随着eNodeB的缓存大小的变化。

在本发明一实施例中，为验证本方案的具体效果，采用基于Java的CCN仿真平台对方案进行了验证，仿真的拓扑结构优选采用一个三层的无线接入网络拓扑，3层为10个eNodeB节点，2层是SGW节点，10个eNodeB节点通过SGW节点连接到1层的源内容服务器。源内容服务器上有2000个内容k，并设每个内容k的大小为1。对内容的请求由无线接入网络内的移动用户发起，并转发到距离用户最近的eNodeB节点，在仿真实验中，有50000个用户请求，分别请求源服务器2000个内容中的一个，并接入到3层的一个eNodeB节点。对内容的请求热度服务服从Zipf分布，并设Zipf分布的α参数为1，内容热度分布

如图4A和图4B所示，为测试不同大小的内容存储空间对本发明的影响，本实施例中横坐标分别设置总的eNodeB内容存储空间为全部内容大小（TotalCache Size(of all contents)）的10%，20%，30%，40%，50%，纵坐标网络总能耗（Total Energy Consumption），单位为J。为了验证本发明网络能量最小开销方法的性能，本实验在仿真平台上同时实现了每个节点放置（Leave CopyEverywhere，LCE）方法和随机放置(Random)方法，将本发明网络能量最小开销方法（以下简称为Coordinated）与LCE和Random方法做比较。

其中，图4A显示出了本发明一实施例中在缓存能率W_ca为6.25×10^-12watt/bit时LCE和Random方法和本发明Coordinated方法的网络能耗随着eNodeB缓存大小的变化示意图。图4B显示出了本发明一实施例中在缓存能率W_ca为6.25×10^-8watt/bit时LCE和Random方法和本发明Coordinated方法的网络能耗随着eNodeB缓存大小的变化示意图，其中，LCE和Random方法的曲线重合。从图4A和图4B中可以看出，本发明提出的方法与LCE和Random方法相比，都大大减少了网络能耗。

图5A、图5B和图5C为研究所本发明方法在缓存能率W_ca分别为6.25×10^-12watt/bit、3.25×10^-9watt/bit及15×10^-9watt/bit时的内容k放置情况。测试是在每个eNodeB节点的缓存大小为100个内容大小，传输能耗保持不变，令缓存能率值w_ca取6.25×10^-12watt/bit，3.75×10^-9watt/bit和15×10^-9watt/bit。其中，横坐标为eNodeB ID为10个eNodeB节点，纵坐标为内容缓存数量（Number of Cached Contents）。从图中可以看出，当缓存能率比较小时，即w_ca等于6.25×10^-12watt/bit，eNodeB缓存的内容数量几乎接近于它们的缓存容量；而随着缓存能率w_ca的增大，缓存能耗也随着增加，为了节约网络能耗，eNodeB节点放置内容的数量越来越少，更倾向于向源服务器获取内容。可以看出，本提案可以根据不同的缓存能率值，有效地调节内容的放置策略，从而使网络的能耗最小。

本发明是基于eNodeB具备缓存能力时的网络能量最小开销方法，当eNodeB具备缓存能力后，其收到请求则先查找本地的存储空间，判断请求是否能在本地得到满足，如满足则直接向移动用户返回请求的内容，否则则向SGW转发。在同一个无线接入网络中的eNodeB与SGW相互协作来降低请求的传输距离，从而减小传输时延和传输能耗，即当SGW收到eNodeB发送的内容请求时，若该请求能在同一无线接入网络中其它eNodeB处得到满足，则将请求向该eNodeB转发，反之SGW则按照传统的转发路径向距离最近的服务器转发。通过本法的网络能量开销最小方法，可以有效的降低网络能耗。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种网络能量最小开销方法，所述网络包括服务网关SGW、至少两个演进式基站节点eNodeB，所述至少两个演进式基站节点eNodeB具有缓存能力，其特征在于，所述方法包括以下步骤：

分析网络中的网络能耗及其关系，所述网络能耗包括缓存能耗和传输能耗，所述传输能耗是将内容k从一个所述eNodeB传输到另一个所述eNodeB的能量消耗；

根据所述网络中的网络能耗及其关系建立网络中所述eNodeB的最小化网络能耗模型；

通过对所述最小化网络能耗模型求解，得出所述eNodeB之间的协同缓存策略；

基于协同缓存策略，所述网络中的所述eNodeB与所述SGW对内容进行选择性存储以及传输，相互协作用于降低请求的传输距离，以减小网络传输时延和网络传输能耗。

2.如权利要求1所述的网络能量最小开销方法，其特征在于，协同缓存策略包括放置决策和路由决策。

3.如权利要求1所述的网络能量最小开销方法，其特征在于，所述最小化网络能耗模型包括：

目标函数，所述目标函数为在时间t内所述网络能耗中所述缓存能耗与所述传输能耗总和的最小值；

第一约束条件，所述第一约束条件为eNodeB放置内容的总和不能超过所述eNodeB可用的缓存空间大小；

第二约束条件，所述第二约束条件为请求或被第一个接收的eNodeB满足，或通过SGW转发由同一个无线接入网的其它eNodeB满足，或通过SGW转发到内容源服务器处得到满足；

第三约束条件，所述第三约束条件为SGW只有在N_j节点存储了所述内容k的前提下，将在eNodeB节点N_i对所述内容k的请求转发到节点N_j。

4.如权利要求3所述的一种网络能量最小开销方法，其特征在于，所述目标函数为：

$\min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}[w_{\mathrm{ca}}{s}_{k}t{X}_{\mathrm{ik}}+{\mathrm{\λ}}_{\mathrm{ik}}{s}_{k}t(p_{i,-1}{X}_{i,-1k}+\underset{j\≠i}{\mathrm{\Σ}}{p}_{\mathrm{ij}}{X}_{\mathrm{ijk}})]$

其中表示在时间t内所述eNodeB的缓存能耗；

为时间t内网络中产生的传输能耗;

w_ca表示缓存能率，k表示网络中的内容数目，s_k表示所述内容k的大小，t表示时间，X_ik表示N_i对所述内容k的存储决策，取值为0或1，N_i表示eNodeB节点i，N_j表示eNodeB节点j，X_ijk表示从N_i到N_j对内容k的请求转发决策，N₀表示SGW，λ_ik表示N_i收到内容k的请求速率，p_r表示路由器的能效，p_l表示链路的能效。

5.如权利要求3或4所述的一种网络能量最小开销方法，其特征在于，所述第一约束条件为：

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_{\mathrm{ik}}{s}_k\≤B_i,\∀i=1,...,M$

其中，M表示网络中eNodeB的数目，X_ik表示N_i对内容k的存储决策。

6.如权利要求3或4所述的一种网络能量最小开销方法，其特征在于，所述第二约束条件为：

$X_{\mathrm{ik}}+X_{i,-1k}+\underset{j\≠i}{\mathrm{\Σ}}{X}_{\mathrm{ijk}}=1,\∀i=1,...,M,k=1,...,K$

其中，X_i，-1k表示从N_i到服务器对内容k的请求转发决策。

7.如权利要求3或4所述的网络能量最小开销方法，其特征在于，所述第三约束条件为：

$X_{\mathrm{ijk}}\≤X_{\mathrm{jk}},\∀i\≠j=1,...,M,k=1,...,K$

其中，X_jk表示表示N_j对内容k的存储决策。

8.如权利要求1所述的网络能量最小开销方法，其特征在于，所述协同缓存测量是指eNodeB之间相互协作来决定缓存空间的所述内容放置和替换策略。

9.如权利要求1所述的网络能量最小开销方法，其特征在于，采用启发式算法求解所述目标函数最优解。

10.如权利要求1所述的网络能量最小开销方法，其特征在于，所述传输能耗主要由所述网络路由器和连接所述路由器的链路引起的能耗。

11.如权利要求1或4所述的网络能量最小开销方法，其特征在于，在同一子网中所述N_i到所述N_j转发所述内容k产生的传输能耗用E_tr，ijk表示：

E_tr，ijk＝s_k[p_r(d_ij+1)+p_ld_ij]

其中，d_ij表示所述eNodeB是所述N_i到所述N_j之间的网络距离。

Images