CN108616845A - 基于社交内容的d2d分组多目标缓存方法及其系统、装置 - Google Patents

基于社交内容的d2d分组多目标缓存方法及其系统、装置 Download PDF

Info

Publication number
CN108616845A
CN108616845A CN201810294178.XA CN201810294178A CN108616845A CN 108616845 A CN108616845 A CN 108616845A CN 201810294178 A CN201810294178 A CN 201810294178A CN 108616845 A CN108616845 A CN 108616845A
Authority
CN
China
Prior art keywords
hue
bue
social
packet
data packet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810294178.XA
Other languages
English (en)
Other versions
CN108616845B (zh
Inventor
江明
施震威
吴宽
陈榕
佘峰霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
SYSU CMU Shunde International Joint Research Institute
Research Institute of Zhongshan University Shunde District Foshan
National Sun Yat Sen University
Original Assignee
SYSU CMU Shunde International Joint Research Institute
Research Institute of Zhongshan University Shunde District Foshan
National Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SYSU CMU Shunde International Joint Research Institute, Research Institute of Zhongshan University Shunde District Foshan, National Sun Yat Sen University filed Critical SYSU CMU Shunde International Joint Research Institute
Priority to CN201810294178.XA priority Critical patent/CN108616845B/zh
Publication of CN108616845A publication Critical patent/CN108616845A/zh
Application granted granted Critical
Publication of CN108616845B publication Critical patent/CN108616845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了基于社交内容的D2D分组多目标缓存方法及其系统、装置，基于D2D缓存策略可以得到最优情况下缓存的数据包个数，该缓存策略是基于无线链路质量、用户的偏好程度和社交代价而制定的；尤其是，通过寻找与HUE至少有相同社交属性的BUE，以便于将用户的不相关社交属性淡化，从而弱化相应的不必要的社交代价，使得用户实际付出的社交代价较小，但同样可获取用户的偏好包；同时，利用顶点染色算法将缓存的数据包传输至其余VUE，有助于减少HUE的传输次数，从而提升总体传输效率。本发明充分考虑到无线链路质量、用户间通信的社交代价及用户自身偏好，可使用户在付出较小社交代价的情况下就可获取偏好包。

Description

基于社交内容的D2D分组多目标缓存方法及其系统、装置
技术领域
本发明涉及移动通信领域，尤其是基于社交内容的D2D分组多目标缓存方法及其系统、装置。
背景技术
终端直通通信(Device-to-Device，D2D)作为5G移动通信中的关键技术之一，可以在邻近的终端设备之间直接建立通信信道，而不需要或仅需要少量来自基站的辅助，因此能够有效地增加蜂窝网络容量，降低基站、核心网的业务负载。
随着数字生活时代的到来，移动数据流量在十年之内预计将增长100倍，这对于蜂窝网络来说是一个巨大的挑战。随着移动通信系统从4G到5G的演进，网络架构也从以用户为中心(User-Centric，UC)到以数据为中心(Data-Centric，DC)演变。近年来，用户设备缓存空间的增大和计算能力的增强，使得将数据预先放置到移动设备的数据缓存技术获得了广泛的关注。通过提前缓存需求量大的移动数据，能够有效减少不同用户的重复数据请求，从而可以提升频谱效率和能量效率，降低D2D通信的系统时延。
现有的D2D缓存方案大多注重于用户对于数据包的偏好要求，比如如何使用户获取更多的偏好包，却忽略了用户本身的社交因素，尤其是用户与用户之间通信的社交代价，即使可以获取偏好包但仍需付出较大的社交代价，即无法最大化地整合利用D2D系统的数据资源。
发明内容
为了解决上述问题，本发明的目的是提供基于社交内容的D2D分组多目标缓存方法及其系统、装置，同时考虑了用户间通信的社交代价及用户自身偏好，可使用户在付出较小社交代价的情况下就可获取偏好包。
为了弥补现有技术的不足，本发明采用的技术方案是：
基于社交内容的D2D分组多目标缓存方法,包括以下步骤：
S1、通过eNB确定D2D系统中的HUE并初始化参数；
S2、计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
S3、计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
S4、采用顶点染色算法将缓存的数据包传输至其余VUE。
进一步，所述步骤S1中，通过eNB确定D2D系统中的HUE并初始化参数，包括：利用eNB指定D2D系统中的一个VUE为HUE，将HUE确定信息发送至其余VUE以及将其余VUE的社交属性和偏好包信息发送至HUE。
进一步，所述步骤S4中，采用顶点染色算法将缓存的数据包传输至其余VUE，包括：
采用顶点染色算法将缓存的数据包传输至BUE，则BUE接收到的数据包总量为sp，
其中，Y为HUE是否向BUEi传输bj的判定量，表示为Y＝{yij|i＝1,2,...,I,j＝1,2,...,J}，yij∈{0,1}。
进一步，yij＝xj·rij。
基于社交内容的D2D分组多目标缓存系统，包括：
初始模块，用于通过eNB确定D2D系统中的HUE并初始化参数；
BUE确定模块，用于计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
数据包计算模块，用于计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
传输模块，用于采用顶点染色算法将缓存的数据包传输至其余VUE。
基于社交内容的D2D分组多目标缓存装置，包括：处理器和用于存储处理器可执行指令的存储器；所述处理器读取可执行指令并执行以下步骤：
通过eNB确定D2D系统中的HUE并初始化参数；
计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
采用顶点染色算法将缓存的数据包传输至其余VUE。
本发明的有益效果是：本发明给出了一种完整的D2D缓存策略及传输策略，基于D2D缓存策略可以得到最优情况下缓存的数据包个数，该缓存策略是基于无线链路质量、用户的偏好程度和社交代价而制定的；尤其是，通过寻找与HUE至少有相同社交属性的BUE，以便于将用户的不相关社交属性淡化，从而弱化相应的不必要的社交代价，使得用户实际付出的社交代价较小，但同样可获取用户的偏好包；同时，利用顶点染色算法将缓存的数据包传输至其余VUE，有助于减少HUE的传输次数，从而提升总体传输效率。因此，本发明同时考虑了无线链路质量、用户间通信的社交代价及用户自身偏好，可使用户在付出较小社交代价的情况下就可获取偏好包。
附图说明
下面结合附图给出本发明较佳实施例，以详细说明本发明的实施方案。
图1是本发明的D2D系统的结构示意图；
图2是本发明的方法的步骤S1和S2的流程图；
图3是本发明的装置的执行流程图；
图4是BUE与sp的关系图；
图5是HUE传输次数与sp的关系图；
图6是HUE缓存空间与sp的关系图。
具体实施方式
在本发明中，主要符号如表一汇总所示，其中本文所述的系统除实施例二的基于社交内容的D2D分组多目标缓存系统外，均为D2D系统，其是一种基本的数据包系统。
表一
实施例一
参照图1和图2，基于社交内容的D2D分组多目标缓存方法,包括以下步骤：
S1、通过eNB确定D2D系统中的HUE并初始化参数；
S2、计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
S3、计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
S4、采用顶点染色算法将缓存的数据包传输至其余VUE。
具体地，UE即用户设备(User Equipment)，HUE即最大化簇头用户设备(Head UserEquipment)，eNB即基站，VUE即请求用户设备(Victim User Equipment)；
D2D系统中有T个社交属性，例如足球、音乐等，若UE具有某社交属性，则该社交值记为1。VUE和HUE根据其自身需求，对某些社交属性的包有偏好，将BUE的偏好集合记为R＝{rij|i＝1,...,I,j＝1,...,J}，rij＝1、rij＝0分别表示BUEi对bj有偏好、无偏好；将HUE的偏好集合记为H＝{hj|j＝1,....,J}，hj＝1、hj＝0分别表示HUE对bj有偏好、无偏好。
在缓存策略执行之前，需要进行缓存策略相关参数的初始化；初始化后，将初始化参数作为缓存策略的输入，为最优缓存策略的生成做好准备，对应于步骤S1和S2。
由于HUE为BUEi缓存数据包需要耗费缓存代价，同时HUE和BUEi进行交互需要耗费能量代价，故BUEi获得其偏好包需要扣除HUE为其缓存数据包的代价，将这种缓存代价定义为乘性因子：ci＝jaci；
比如，若BUEi与HUE的Jaccard相似度为1，则HUE为与其社交属性完全相同的用户进行不计成本的传输，即缓存代价为0；若BUEi与HUE的Jaccard相似度为0.2，则BUEi获得其偏好包所需付出的缓存代价为0.8，即最后获得的有效数据包的数量为0.2。换言之，BUEi与HUE的Jaccard相似度越大，则BUEi从HUE处获取其偏好包所需付出的缓存代价越小。
此外，一个用户的社交属性越少，该用户所对应社交属性的数据包对其越重要。例如，假设用户有1、2、3类社交属性，则社交属性1的包对该用户的重要程度为0.33；假设用户只有社交属性1，则该属性的包对其重要程度为1。
在Q的表达式中，因子项可分解为和其中前者表示bj在第n次成功传输的概率；而考虑在第n次传输之前，若bj已经成功传输，则bj在第n次传输是重复的，将这种重复性定义为惩罚函数F(n)：
另外，Q的表达式中无线链路质量具有一定影响，体现在：当bi和bj被请求次数相同时，若请求bi的用户集合与HUE间的链路质量相对于请求bj的用户集合与HUE间的链路质量更好，则HUE会优先考虑缓存bi。
在传输阶段中，利用基于最大度优先原则的顶点染色算法传输已被HUE缓存且被BUE偏好的包，优化目标是最大化考虑社交代价条件下BUE总共获得的包个数。HUE利用基于异或的网络编码，向D2D系统中BUE广播经过网络编码的异或包，BUE根据自身需要对收到的异或包进行解异或。网络编码应用于传输阶段的作用是使HUE根据BUE的偏好包构建异或包组合，有助于减少HUE传输包的次数，从而提升总体传输效率。
本实施例给出了一种完整的D2D缓存策略及传输策略，基于D2D缓存策略可以得到最优情况下缓存的数据包个数，该缓存策略是基于无线链路质量、用户的偏好程度和社交代价而制定的；尤其是，通过寻找与HUE至少有相同社交属性的BUE，以便于将用户的不相关社交属性淡化，从而弱化相应的不必要的社交代价，使得用户实际付出的社交代价较小，但同样可获取用户的偏好包；同时，利用顶点染色算法将缓存的数据包传输至其余VUE，有助于减少HUE的传输次数，从而提升总体传输效率。因此，本发明同时考虑了无线链路质量、用户间通信的社交代价及用户自身偏好，可使用户在付出较小社交代价的情况下就可获取偏好包。
其中，参照图1，所述步骤S1中，通过eNB确定D2D系统中的HUE并初始化参数，包括：利用eNB指定D2D系统中的一个VUE为HUE，将HUE确定信息发送至其余VUE以及将其余VUE的社交属性和偏好包信息发送至HUE。
其中，所述步骤S4中，采用顶点染色算法将缓存的数据包传输至其余VUE，包括：
采用顶点染色算法将缓存的数据包传输至BUE，则BUE接收到的数据包总量为sp，
其中，Y为HUE是否向BUEi传输bj的判定量，表示为Y＝{yij|i＝1,2,...,I,j＝1,2,...,J}，yij∈{0,1}；可知sp与HUE和VUE间无线链路传输的包错误率、VUE用户偏好以及HUE是否缓存了该包有关。
其中，yij＝xj·rij，保证HUE是否需向BUEi传输bj的变量得到确定，有利于传输策略的制定。
实施例二
基于社交内容的D2D分组多目标缓存系统，包括：
初始模块，用于通过eNB确定D2D系统中的HUE并初始化参数；
BUE确定模块，用于计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
数据包计算模块，用于计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
传输模块，用于采用顶点染色算法将缓存的数据包传输至其余VUE。
具体地，初始模块、BUE确定模块、数据包计算模块和传输模块依次连接，初始模块和BUE确定模块主要用于执行缓存数据包前的准备工作，数据包计算模块和传输模块主要用于执行缓存及传输数据包的工作；
本缓存系统是基于无线链路质量、用户的偏好程度和社交代价而制定的；初始模块的作用是优先确定好HUE，以便于接下来对BUE的确定，同时实现缓存前的参数初始化，以保证缓存过程的正常运行；尤其是，BUE确定模块通过寻找与HUE至少有相同社交属性的BUE，以便于将用户的不相关社交属性淡化，从而弱化相应的不必要的社交代价，使得用户实际付出的社交代价较小，但同样可通过数据包计算模块得到合理化的最优数据包，即获取到用户本身的偏好包；同时，传输模块利用顶点染色算法将缓存的数据包传输至其余VUE，有助于减少HUE的传输次数，从而提升总体传输效率。因此，本实施例同时考虑了无线链路质量、用户间通信的社交代价及用户自身偏好，可使用户在付出较小社交代价的情况下就可获取偏好包。
实施例三
基于社交内容的D2D分组多目标缓存装置，包括：处理器和用于存储处理器可执行指令的存储器；所述处理器读取可执行指令并执行以下步骤：
通过eNB确定D2D系统中的HUE并初始化参数；
计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
采用顶点染色算法将缓存的数据包传输至其余VUE。
具体地，参照图3，计算机执行流程为：首先，HUE根据输入参数计算出BUE的相关参数；然后，在每一次迭代过程中，找出HUE与BUE中使用户的满意度达到最大的包，将其存入HUE缓存，并在D2D系统的包集合B中删除该包，其中：最大迭代次数设置数值与HUE缓存空间M一致。当HUE缓存空间为0时，输出HUE的缓存策略与传输策略。
其中，缓存空间在本实施例中的单位为包，即衡量可缓存的数据包数。
为展示本装置的有效性和先进性，以下采用软件方式进行性能评估，平台基于Matlab 2014a；通过给定HUE与BUE间的比特误码率(BER)得到信道的包错误率(PER)，其服从伯努利二项分布，二者的关系如下：其中q为一个包所携带的比特数,同理，可以通过比特误码率推出包错误率：PER＝1-(1-BER)q。
Matlab自带函数bsc输入参数为信道比特误码率以及包的二进制表示形式，故可通过输入包错误率对应的比特误码率来模拟BUE的偏好包传输过程。
参数设置如表二，HUE与BUE间的包错误率在0.02到0.2间随机生成，HUE有5个社交属性，BUE的社交属性个数则在1-5的范围内随机生成，偏好矩阵R根据用户的社交属性随机生成。
表二
其中，对比曲线1为最大流行度缓存策略(Most Popular Cache，MPC)，即HUE缓存中用户需求最多的包；对比曲线2为自私缓存策略(Selfish)，即HUE优先缓存自己偏好的包，若有多余的缓存空间，则再存储BUE偏好的包；对比曲线3为用户请求策略(Proposed)，即本发明所采用的技术。
参照图4，随着BUE个数的增加，从D2D系统中BUE获取包个数随之增加，这是由于HUE的缓存策略结合了D2D系统中BUE对包的偏好，将优先缓存每个社交团体中需求量较大的包。因此，随着BUE数量的增加，需求量较大的包趋于集中。
参照图5，随着HUE传输次数的增加，从D2D系统中BUE获取的包个数随之近似线性增加。可以预计，随着HUE传输次数足够多时，BUE获取包个数将趋向于饱和，直至达到D2D系统包个数的最大值，此时HUE将缓存的包都成功发送至BUE。
参照图6，当HUE缓存空间较小时，随着HUE缓存空间增加，HUE缓存的包对BUE满意程度增大，因此从D2D系统中BUE获取的包个数随之近似线性增加。但受到传输次数的限制，当HUE缓存空间增加到一定大小后，BUE获取的包个数趋于平稳，因此从D2D系统中BUE获得的包个数也趋于稳定。
由以上各图可看出，随着D2D系统中BUE数量的变化、HUE传输次数的变化、HUE缓存空间的变化，采用本发明的技术的BUE最终收到包总和均大于其它两种方案。由此可见，本方案提出的缓存策略在性能上相对于现有的缓存策略在性能上有较大的提升。
以上内容对本发明的较佳实施例和基本原理作了详细论述，但本发明并不局限于上述实施方式，熟悉本领域的技术人员应该了解在不违背本发明精神的前提下还会有各种等同变形和替换，这些等同变形和替换都落入要求保护的本发明范围内。

Claims (6)

1.基于社交内容的D2D分组多目标缓存方法,其特征在于，包括以下步骤：
S1、通过eNB确定D2D系统中的HUE并初始化参数；
S2、计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
S3、计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为Siej为BUEi是否具有HUE的第ej个社交属性的判定量，0<Siej<1；
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
S4、采用顶点染色算法将缓存的数据包传输至其余VUE。
2.根据权利要求1所述的基于社交内容的D2D分组多目标缓存方法,其特征在于：所述步骤S1中，通过eNB确定D2D系统中的HUE并初始化参数，包括：利用eNB指定D2D系统中的一个VUE为HUE，将HUE确定信息发送至其余VUE以及将其余VUE的社交属性和偏好包信息发送至HUE。
3.根据权利要求1所述的基于社交内容的D2D分组多目标缓存方法,其特征在于，所述步骤S4中，采用顶点染色算法将缓存的数据包传输至其余VUE，包括：
采用顶点染色算法将缓存的数据包传输至BUE，则BUE接收到的数据包总量为sp，
其中，Y为HUE是否向BUEi传输bj的判定量，表示为Y＝{yij|i＝1,2,...,I,j＝1,2,...,J}，yij∈{0,1}。
4.根据权利要求3所述的基于社交内容的D2D分组多目标缓存方法,其特征在于：yij＝xj·rij。
5.基于社交内容的D2D分组多目标缓存系统，其特征在于，包括：
初始模块，用于通过eNB确定D2D系统中的HUE并初始化参数；
BUE确定模块，用于计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
数据包计算模块，用于计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为Siej为BUEi是否具有HUE的第ej个社交属性的判定量，0<Siej<1；
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
传输模块，用于采用顶点染色算法将缓存的数据包传输至其余VUE。
6.基于社交内容的D2D分组多目标缓存装置，其特征在于，包括：处理器和用于存储处理器可执行指令的存储器；所述处理器读取可执行指令并执行以下步骤：
通过eNB确定D2D系统中的HUE并初始化参数；
计算HUE与其余VUE的Jaccard相似度jacu和Jaccard距离du，分别表示为：du＝1-jacu；确定du不为0的VUE集合为BUE；
其中，K为HUE的社交属性个数；
SUK为BUEi是否具有HUE的第k个社交属性的判定量，0<SUK<1；
BUE为与HUE之间至少有一个相同社交属性的VUE的集合，表示为BUE＝{BUEi|i＝1,2,...,I}；
计算缓存的数据包个数Q，表示为：
其中，上式第一项为基于无线链路质量、用户对HUE和BUE的满意度以及最小社交代价而获得的数据包个数，第二项为在HUE缓存包与HUE偏好包相同的情况下所获得的数据包个数；
D2D系统中的数据包集合为B，B＝{bj|j＝1,2,...,J}；bj的社交集合为E，E＝{ej|j＝1,2,...,J}，ej∈[1,hattri]；
HUE的缓存包集合为X＝{xj|j＝1,2,...,J}，
HUE的偏好包集合为H＝{hj|j＝1,2,...,J}，hj∈{0,1}；
BUE的偏好包集合为R＝{rij|i＝1,2,...,I,j＝1,2,...,J}，rij∈{0,1}；
aij为bj对于BUEi的重要程度，表示为Siej为BUEi是否具有HUE的第ej个社交属性的判定量，0<Siej<1；
ci＝jaci，为BUEi获得偏好包而需扣除的缓存代价；
pi为HUE与BUEi之间无线链路传输的包错误率；
I为D2D系统中VUE的总个数，J为D2D系统中数据包的总个数，N为HUE可向BUE传输缓存的数据包的最大次数；
采用顶点染色算法将缓存的数据包传输至其余VUE。
CN201810294178.XA 2018-03-30 2018-03-30 基于社交内容的d2d分组多目标缓存方法及其系统、装置 Active CN108616845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810294178.XA CN108616845B (zh) 2018-03-30 2018-03-30 基于社交内容的d2d分组多目标缓存方法及其系统、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810294178.XA CN108616845B (zh) 2018-03-30 2018-03-30 基于社交内容的d2d分组多目标缓存方法及其系统、装置

Publications (2)

Publication Number Publication Date
CN108616845A true CN108616845A (zh) 2018-10-02
CN108616845B CN108616845B (zh) 2021-10-26

Family

ID=63659462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810294178.XA Active CN108616845B (zh) 2018-03-30 2018-03-30 基于社交内容的d2d分组多目标缓存方法及其系统、装置

Country Status (1)

Country Link
CN (1) CN108616845B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110022547A (zh) * 2019-03-15 2019-07-16 北京邮电大学 一种d2d网络中缓存放置方法及装置
CN110418288A (zh) * 2019-07-24 2019-11-05 西安科技大学 基于用户社交属性的d2d多播通信分簇方法
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN111212405A (zh) * 2020-01-13 2020-05-29 中山大学 基于多流行度的分组d2d多阈值缓存放置方法
CN111328092A (zh) * 2020-02-27 2020-06-23 中山大学 D2d通信中继分组缓存分配中的预信息动态更新方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060173957A1 (en) * 2005-01-28 2006-08-03 Robinson Eric M Apparatus and method for message-centric analysis and multi-aspect viewing using social networks
WO2011041916A1 (en) * 2009-10-09 2011-04-14 Quickplay Media Inc. Digital rights management in a mobile environment
EP2503804A1 (en) * 2011-03-21 2012-09-26 Apple Inc. Apparatus and method for managing peer-to-peer connections between different service providers
CN104426979A (zh) * 2013-09-04 2015-03-18 中国科学院声学研究所 一种基于社交关系的分布式缓存调度系统与方法
CN105049326A (zh) * 2015-06-19 2015-11-11 清华大学深圳研究生院 一种边缘网络区域中社交内容缓存方法
CN106230973A (zh) * 2016-08-30 2016-12-14 南京邮电大学 一种基于社交网络的文件共享方法
CN106851741A (zh) * 2016-12-10 2017-06-13 浙江大学 蜂窝网络中基于社交关系的分布式移动节点文件缓存方法
US20170214761A1 (en) * 2016-01-21 2017-07-27 National Taiwan University Method and Wireless Communication System for Processing Data
CN107404530A (zh) * 2017-07-27 2017-11-28 北京邮电大学 基于用户兴趣相似度的社交网络协作缓存方法及装置
CN107608803A (zh) * 2017-09-13 2018-01-19 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种面向多目标的增强型社交d2d中继选择方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060173957A1 (en) * 2005-01-28 2006-08-03 Robinson Eric M Apparatus and method for message-centric analysis and multi-aspect viewing using social networks
WO2011041916A1 (en) * 2009-10-09 2011-04-14 Quickplay Media Inc. Digital rights management in a mobile environment
EP2503804A1 (en) * 2011-03-21 2012-09-26 Apple Inc. Apparatus and method for managing peer-to-peer connections between different service providers
CN104426979A (zh) * 2013-09-04 2015-03-18 中国科学院声学研究所 一种基于社交关系的分布式缓存调度系统与方法
CN105049326A (zh) * 2015-06-19 2015-11-11 清华大学深圳研究生院 一种边缘网络区域中社交内容缓存方法
US20170214761A1 (en) * 2016-01-21 2017-07-27 National Taiwan University Method and Wireless Communication System for Processing Data
CN106230973A (zh) * 2016-08-30 2016-12-14 南京邮电大学 一种基于社交网络的文件共享方法
CN106851741A (zh) * 2016-12-10 2017-06-13 浙江大学 蜂窝网络中基于社交关系的分布式移动节点文件缓存方法
CN107404530A (zh) * 2017-07-27 2017-11-28 北京邮电大学 基于用户兴趣相似度的社交网络协作缓存方法及装置
CN107608803A (zh) * 2017-09-13 2018-01-19 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种面向多目标的增强型社交d2d中继选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NENG ZHANG 等: "A DYNAMIC SOCIAL CONTENT CACHING UNDER USER MOBILITY PATTERN", 《2014 INTERNATIONAL WIRELESS COMMUNICATIONS AND MOBILE COMPUTING CONFERENCE》 *
李尧: "内容为中心的无线社交网络缓存策略研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110022547A (zh) * 2019-03-15 2019-07-16 北京邮电大学 一种d2d网络中缓存放置方法及装置
CN110022547B (zh) * 2019-03-15 2020-04-14 北京邮电大学 一种d2d网络中缓存放置方法及装置
CN110418288A (zh) * 2019-07-24 2019-11-05 西安科技大学 基于用户社交属性的d2d多播通信分簇方法
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN111212405A (zh) * 2020-01-13 2020-05-29 中山大学 基于多流行度的分组d2d多阈值缓存放置方法
CN111328092A (zh) * 2020-02-27 2020-06-23 中山大学 D2d通信中继分组缓存分配中的预信息动态更新方法

Also Published As

Publication number Publication date
CN108616845B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN108616845A (zh) 基于社交内容的d2d分组多目标缓存方法及其系统、装置
Wang et al. Hypergraph-based wireless distributed storage optimization for cellular D2D underlays
CN108093435B (zh) 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
CN111556572A (zh) 一种基于强化学习的频谱资源和计算资源联合分配方法
CN108600998B (zh) 超密度蜂窝与d2d异构融合网络缓存优化决策方法
CN106998353A (zh) 一种内容中心网络中文件的最优缓存配置方法
Feng et al. Energy-efficient user selection and resource allocation in mobile edge computing
CN110062356B (zh) 一种d2d网络中的缓存副本布设方法
CN109831808A (zh) 一种基于机器学习的混合供电c-ran的资源分配方法
CN107864507B (zh) 基于量子猴群搜索机制的认知无线电功率控制方法
Qiu et al. Subchannel assignment and power allocation for time-varying fog radio access network with NOMA
Guo et al. On the interplay between communication and computation in green C-RAN with limited fronthaul and computation capacity
Chen et al. Time-efficient task caching strategy for multi-server mobile edge cloud computing
CN110113213B (zh) 一种基于云无线接入网架构的协作式缓存部署方法
Fang et al. Drl-driven joint task offloading and resource allocation for energy-efficient content delivery in cloud-edge cooperation networks
Yuan et al. Caching hit ratio maximization in mobile edge computing with node cooperation
CN113473540B (zh) 异构蜂窝网络中基于基站协作的混合缓存方法
CN110035415A (zh) 一种时延驱动的d2d网络缓存下载方法
CN112887943B (zh) 一种基于中心度的缓存资源分配方法及系统
CN111556531B (zh) 一种微蜂窝无线网中的协作缓存优化方法
Chen et al. Residual energy-aware caching in energy harvesting-based mobile D2D network
CN109874154A (zh) 一种基于深度强化学习的c-ran用户关联和计算资源分配方法
CN113709853B (zh) 面向云边协同的网络内容传输方法、装置及存储介质
CN112954026B (zh) 一种基于边缘计算的多约束内容协作缓存优化方法
Fang et al. Offloading strategy for edge computing tasks based on cache mechanism

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant