CN109067918A - 一种物联网中的联合内容缓存和更新策略的方法及算法 - Google Patents
一种物联网中的联合内容缓存和更新策略的方法及算法 Download PDFInfo
- Publication number
- CN109067918A CN109067918A CN201811119964.2A CN201811119964A CN109067918A CN 109067918 A CN109067918 A CN 109067918A CN 201811119964 A CN201811119964 A CN 201811119964A CN 109067918 A CN109067918 A CN 109067918A
- Authority
- CN
- China
- Prior art keywords
- content
- harmony
- indicate
- formula
- caching
- 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
Links
Classifications
-
- 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
- H04L67/5682—Policies or rules for updating, deleting or replacing the stored data
-
- 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
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Telephonic Communication Services (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种物联网中的联合内容缓存和更新策略的方法及算法,该方法包含:(1)判定是否对于内容进行缓存以及缓存后内容的更新周期;(2)确定两种不同模式下的内容的新鲜度损失;(3)确定两种模式下内容传输的满意度;(4)定义网络的效用;(5)为了最大化网络效用,建立问题P模型;(6)根据新鲜度损失约束,变换网络中内容传输的满意度;(7)转化问题P的目标函数为P1;(8)研究问题P1中内容缓存策略x和内容更新策略TU之间的耦合并推导出从x到TU的最佳映射;(9)采用基于和声搜索的内容缓存和更新算法,解决问题P1。本发明的方法采用基于和声搜索的内容缓存和更新算法,能够同时兼顾传感器能耗和内容的新鲜度需求。
Description
技术领域
本发明属于物联网缓存技术领域,具体涉及一种物联网中的联合内容缓存和更新策略的方法及算法。
背景技术
作为第五代(5G)无线网络的一种新兴技术,物联网(IoT)近年来引起了学术界和工业界的重视。具体来说,IoT旨在实现数十亿种事物之间无处不在的连接性,范围从微小的、资源受限的传感器到功能更强大的智能手机和联网汽车,无需或仅需极少的人为干预。在物联网的帮助下,设备可以感知甚至与周围物理环境进行交互,从而为我们提供许多优秀的有价值的应用软件,如智能家居,智能建筑和智能城市。伴随着我们日常生活中的这种智能趋势的一个明显的结果,就是物联网网络中大量数据的产生和交换。这显然会增大网络的流量负载,增加每个设备的能耗,并最终降低物联网网络的性能和寿命。
因此,伴随着日趋广泛的应用需求,物联网中需要处理的数据量也逐渐增加,数据处理和存取的难度也随之增大。为了有效提升系统性能,需要深入探讨大数据量实时信息的交换方法,并提出支持物联网中海量数据量信息实时按需交换的有效对策。而且物联网还存在信息时效性约束,单一IoT数据通常具有数据量较小但有效性短暂的特点,新信息可能不断生成。例如,使用传感器周期性地更新环境数据时,用户通常对最新的数据包感兴趣。然而,与传统路由器(例如多媒体文件)中使用的典型高速缓存方法相比,IoT中的内容缓存技术需要综合考量数据的时间有效性需求,这为内容缓存技术的设计带来了新的挑战。
为了解决这些挑战,在代理(即中间设备或路由器)处缓存传感器(即传感设备)产生的数据一直被认为是有前途的技术之一。具体来说,通过在代理处缓存内容,传感器不需要对频繁访问做出响应,并且内容可能更接近用户设备。因此,可以大大降低物联网网络中的内容请求和传送过程中的时延和能耗。
最近,在网络边缘(例如基站和接入点)或设备中缓存多媒体内容已经成为无线网络的一个热门话题。然而,与多媒体内容(例如音乐,视频等)不同的是,物联网应用所请求的内容通常是暂态的,即,物联网内容生存期短,并且在生存期满时会过期。以温度控制应用为例,我们通常对最近一段时间内测量值取平均值的单个值感兴趣,例如最近的几分钟。因此,在代理中存在缓存和更新之间的折衷。一方面,在代理中缓存内容可以为传感器节省更多的能源,但以用户设备收到的数据新鲜度减少为代价。另一方面,更频繁地从传感器更新内容可以使内容更新鲜,但消耗更多的能量用于数据传输。
发明内容
本发明的目的是提供一种物联网中的联合内容缓存和更新策略的方法及算法,该方法能够解决现有方法不能同时兼顾数据新鲜度和传感器能耗的问题,能够满足新鲜度的需求,还能够实现相对稳定的整体网络效用。
为了达到上述目的,本发明提供了一种基于边际贡献的和声修正算法,该算法包含:
(1)输入待修正和声x,该待修正和声x为缓存策略配置文件,x=(x1,x2,...,xJ),将内容分为两组,和给定划分J=J0∪J1,其中J0和J1分别表示未缓存的内容集和缓存的内容集;
(2)每个缓存内容的价值可以表示为:
式(1-1)中,J1-j代表排除了内容j的集合J1;为使用x=(x1,x2,...,xJ)与x=(x1,x2,...,xj=0,…,xJ)时得到的目标函数之差;λj表示内容j的检索请求的平均到达率;
在需要修正时,根据待修正和声x得到集合利用式(1-1)将J1按升序排列,得到
(3)依次将J1′中对应元素设置为0,直至满足稳定性约束公式,并将派生的和声表示为x3;其中,稳定性约束公式为:
式(1-2)中,和分别表示平均内容大小和平均传输速率;
(4)根据待修正和声x得到集合基于λj按照升序排列,得到在违反稳定性约束条件之前将内容添加到缓存中;
(5)更新集合x3,并设置x=x3;
(6)返回x作为修正和声。
优选地,在所述的步骤(3)中,计算J1′中满足的最小指标jmin,将待修正和声x中对应元素设置为并产生新和声x3。
优选地,在所述的步骤(4)中,计算J0′中满足的最大指标jmax,并记对于中元素按次序进行如下操作:
依次设置i=1、2……jmax;
若则将x3中的元素设置为1,并再次用x3重新标记新的和声,i=i+1;
若设置x=x3,完成本步骤。
本发明还提供了一种基于和声搜索的内容缓存和更新算法,该算法包含:
(1)确定问题P1,该问题P1为混合0-1整数非凸优化问题,缓存策略配置文件为x=(x1,x2,...,xJ),将内容分为两组,即和划分其中J0和J1分别表示未缓存的内容集和缓存的内容集,对和声记忆库进行初始化;
(2)设置该算法中相关参数和声记忆库尺寸、最大迭代次数和和声记忆考虑率,其中,将和声记忆考虑率设置为将和声记忆库尺寸设置为K,最大迭代次数设置为N,并且n=0;
(3)采用伯努利随机过程生成K个和声,进行修正,存储在所述的和声记忆库中,并根据所述问题P1中每个内容的最优更新间隔的映射Tj U*计算相应的K更新策略,将所述和声记忆库中的最佳和最差和声分别表示为xB(n)和xW(n);
(4)该算法进入一个循环,设置n=n+1,在每次迭代期间,按照和声即兴创作、和声记忆库更新和终止检查的顺序执行,以更新和声;
在所述的步骤(3)中,所述的修正采用所述的基于边际贡献的和声修正算法。
优选地,在所述的和声即兴创作中,在所述的和声记忆库中选择两个和声x1和x2,用它们通过公式(2-1)产生一个新的和声
式(2-1)中,A(·)代表数字的绝对值,
在所述和声记忆库更新时,若xnew优于xW(n),则用所述和声记忆库中的xnew替换xW(n),并更新所述和声记忆库中的xB(n)和xW(n);根据所述映射Tj U*计算xB(n)的内容更新策略TU,B*(n)。
优选地,所述问题P1中每个内容的最优更新间隔的映射Tj U*为:
式(2-2)中,λj表示内容j的检索请求的平均到达率,Tj表示内容j的生命周期,θj表示内容j的新鲜度损失阈值,Cj表示内容j的大小,表示传感器的传输速率。
优选地,对于终止检查步骤,使用SBSH中的预定义MNI,还施加一个基于滑动窗口的停止标准,以使算法更快地终止,该停止标准为:
式(2-3)中,NW(n)={n-NW+1,n-NW+2,...,n},表示具有NW个元素且n作为最后一个元素的迭代索引集合,U(x)表示和声x的表现;
若n等于N或满足式(2-3),则重复循环;否则,算法跳出循环并输出:x*=xB(n)和TU*=TU,B*(n)。
本发明还提供了一种物联网中的联合内容缓存和更新策略的方法,该物联网包含:J个不同的传感器、用户设备、代理设备和基站;所述的代理设备为一个与基站相连的独立设备或者基站内部的存储空间;所述的传感器和用户设备均处于基站的覆盖范围内,并且用户设备和传感器直接或通过基站进行信息交互;所述的传感器用于感知物理现象并生成内容,所述的用户设备用于以不同的强度向代理请求不同的内容;该方法包含:
(1)判定是否对用户设备请求的内容进行缓存,并确定缓存后内容的更新周期为将传感器直接连接用户设备进行传输和传感器借助于基站在代理设备中缓存以传输给用户设备的过程,分别作为基于直接传输的传送模式和基于中继的传送模式:
对于所述所有内容,代理设备判断所需存储的内容编号,并将缓存结果表示为N={x1,x2,...,xJ},其中若为缓存内容j,则xj=1;否则,xj=0;其中,每个内容的请求到达均遵循具有参数λj的泊松分布,参数λj表示内容j的检索请求的平均到达率,其通过历史统计数据获得;
(2)内容新鲜度损失取决于所述的缓存结果,在所述两种不同模式下,内容的新鲜度损失不同,为:
式(3-1)中,和分别表示由传感器到基站的传输所引起的新鲜度损失,内容的缓存过程所引起的新鲜度损失,以及从基站到用户设备的传输所引起的新鲜度损失;表示直接将内容从传感器发送至用户设备时产生的新鲜度损失;
(3)对基站向用户设备的数据传输过程和将传感器向用户设备的数据传输过程建模,网络中内容传输的满意度为:
式(3-2)中,δ(·)为辅助指标函数,用于指示是否满足表示内容j的新鲜度损失阈值θj,0<θj≤1;根据实际网络情况,若xj=0表示用户设备直接从传感器获取数据,则内容的新鲜度需求始终满足,辅助指标函数δ(·)中的判据结果为真;
式(3-3)中,Cj表示内容j的大小,表示从传感器到基站的平均传输速率,表示从传感器j到请求的用户设备的平均传输速率,Tj表示内容j的生命周期,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;是从基站到用户设备的发射时间遵循指数分布的参数,和分别表示平均内容大小和平均传输速率;
设定将每个传感器j的能耗标准化为:
式(3-4)中,为内容缓存单位时间的能耗,从传感器传输至用户设备单位时间的能量消耗,表示一个内容更新周期的时间;
(4)定义网络的效用为:
式(3-5)中,U表示获得的满意度与一个单位标准化能耗的成本,UFL表示网络中内容传输的满意度,UE表示每个传感器j的能耗标准化,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;
(5)为了最大化网络效用,建立问题P模型,解决问题P,以获得局部最优解,得到内容缓存和更新的最优策略;其中,该问题P为混合的0-1整数非凸优化问题:
式(3-6)为目标函数式,表示目标是在标准化的能源预算下最大化总体满意度,X为内容缓存策略,TU为内容更新策略;
式(3-7)为约束条件,指定为二元变量,xj=0,表示传感器直接连接用户设备,xj=1,表示借助于基站在代理中缓存内容;
式(3-8)为约束条件,表示对于在代理中缓存的每个内容的变量内容更新周期大于若没有内容更新;
式(1-2)为约束条件,用于保证基站中的传输系统的稳定。
优选地,该方法还包含优化问题P,为:
(5.5)在实际情况中,直接从传感器向用户发送内容时均可满足新鲜度损失约束,因而将网络中内容传输的满意度变换为:
(5.6)基于所述的满意度受到缓存策略和期间发生的新鲜度损失,将式(3-6)问题P的目标函数转化为:
(5.7)研究问题P1中内容缓存策略x和内容更新策略TU之间的耦合并推导出从x到TU的最佳映射:TU*(x);
(5.8)通过所述的基于和声搜索的内容缓存和更新算法,解决问题P1,以获得局部最优解,得到内容缓存和更新的最优策略。
优选地,在所述的步骤(5.7)中,所述的最佳映射的推导方法为:
(5.7A)给定缓存策略配置文件x=(x1,x2,...,xJ),将内容分为两组,为和其中J0和J1分别表示未缓存在代理中的内容集和缓存在代理中的内容集,因而将标准化的能量消耗进一步转换为:
式(3-11)中,算符|·|代表求一组基数;对于缓存内容
(5.7B)给定划分J=J0∪J1,则总体满意度可以表示为:
其中,
式(3-12)表示每个缓存内容的更新间隔时间的等效要求;
式(3-8)中,当给定所述缓存策略配置文件x和相应的划分J=J0∪J1时,所述问题P1中每个单独内容的最优更新间隔可以表示为映射:其中:
根据缓存策略文件x的缓存内容,当参数ωj不大于时,更新间隔将被设置为∞以最大化目标函数确保所使用的能量消耗最小。
本发明的物联网中的联合内容缓存和更新策略的方法及算法,解决了现有方法不能同时兼顾数据新鲜度和传感器能耗的问题,具有以下优点:
本发明的方法能够兼顾传感器能耗和内容的新鲜度需求,基于数据项生存期的成本函数以及动态适应的系统变量,迎合了物联网应用提供商提出的数据新鲜度约束,同时也有效地利用了网络运营商提供的通信资源,因此可以根据物联网应用提供商与网络运营商之间的服务水平协议来确定;
本发明的方法采用基于和声搜索的内容缓存和更新算法和边际贡献的和声修正算法,该算法属于无导数的实参参数优化算法,对于问题的目标函数以及优化之间的关系没有特定约束,而且将所需调整的算法参数数目进行了最小化处理,从而提升了算法的收敛速度和收敛精度。
附图说明
图1为本发明的方法中HSCU算法的具体流程图。
具体实施方式
以下结合附图和实施例对本发明的技术方案做进一步的说明。
一种基于边际贡献的和声修正(MHR)算法,该算法包含:
(1)输入待修正和声x,该待修正和声x为缓存策略配置文件,x=(x1,x2,...,xJ),将内容分为两组,和给定划分J=J0∪J1,其中J0和J1分别表示未缓存的内容集和缓存的内容集;
(2)每个缓存内容的价值可以表示为:
式(1-1)中,J1-j代表排除了内容j的集合J1;为使用x=(x1,x2,...,xJ)与x=(x1,x2,...,xj=0,…,xJ)时得到的目标函数之差;λj表示内容j的检索请求的平均到达率;
在需要修正时,根据待修正和声x得到集合利用式(1-1)将J1按升序排列,得到
(3)依次将J′1中对应元素设置为0,直至满足稳定性约束公式,并将派生的和声表示为x3;其中,稳定性约束公式为:
式(1-2)中,和分别表示平均内容大小和平均传输速率;
(4)根据待修正和声x得到集合基于λj按照升序排列,得到在违反稳定性约束条件之前将内容添加到缓存中,即将J′0中对应元素设置为0;
(5)更新集合x3,并设置x=x3;
(6)返回x作为修正和声。
根据本发明一实施例,在步骤(3)中,计算J1′中满足的最小指标jmin,将待修正和声x中对应元素设置为并产生新和声x3。
进一步地,根据本发明一实施例,在步骤(4)中,计算J′0中满足的最大指标jmax,并记对于中元素按次序进行如下操作:
依次设置i=1、2……jmax;
若则将x3中的元素设置为1,并再次用x3重新标记新的和声,i=i+1;
若设置x=x3,完成本步骤。
一种基于和声搜索的内容缓存和更新(HSCU)算法,该算法通过迭代和顺序地更新内容缓存策略x和内容更新策略,来解决混合0-1整数非凸优化问题P1,其包含:
(1)确定问题P1,该问题P1为混合0-1整数非凸优化问题,缓存策略配置文件为x=(x1,x2,...,xJ),将内容分为两组,即和划分其中J0和J1分别表示未缓存的内容集和缓存的内容集,对和声记忆库进行初始化;
(2)设置该算法中相关参数和声记忆库尺寸(Harmony Memory Size,HMS)、最大迭代次数(Maximum Number ofIterations,MNI)和和声记忆考虑率(Harmony MemoryConsidering Rate,HMCR),其中,将和声记忆考虑率设置为将和声记忆库尺寸设置为K,最大迭代次数设置为N,并且n=0;
(3)采用伯努利随机过程生成K个和声,进行修正,存储在和声记忆库(HarmonyMemory,HM)中,并根据问题P1中每个内容的最优更新间隔的映射Tj U*计算相应的K更新策略,将和声记忆库中的最佳和最差和声分别表示为xB(n)和xW(n);
(4)该算法进入一个循环,设置n=n+1,在每次迭代期间,按照和声即兴创作、和声记忆库更新和终止检查的顺序执行,以更新和声;
在步骤(3)中,修正采用基于边际贡献的和声修正算法。在步骤(3)中,在伯努利随机过程中,x的每个分量是xj从集合{0,1}中随机选择的,所产生的和声对于问题P也许不可行,因而对其进行修正。
根据本发明一实施例,在和声即兴创作中,在和声记忆库中选择两个和声x1和x2,用它们通过公式(2-1)产生一个新的和声
式(2-1)中,A(·)代表数字的绝对值,
在和声记忆库更新时,若xnew优于xW(n),则用xnew替换和声记忆库中的xW(n),并更新和声记忆库中的xB(n)和xW(n);根据映射Tj U*计算xB(n)的内容更新策略TU,B*(n)。其中,为和声x1中的第j个元素,为和声x2中的第j个元素,为最佳和声xB(n)中的第j个元素。
根据本发明一实施例,问题P1中每个内容的最优更新间隔的映射Tj U*为:
式(2-2)中,λj表示内容j的检索请求的平均到达率,Tj表示内容j的生命周期,θj表示内容j的新鲜度损失阈值,Cj表示内容j的大小,表示传感器的传输速率。
根据本发明一实施例,对于终止检查步骤,使用SBSH(Simplified BinaryHarmony Search,简单的二进制和声算法)中的预定义MNI,还施加一个基于滑动窗口的停止标准,以使算法更快地终止,该停止标准为:
式(2-3)中,NW(n)={n-NW+1,n-NW+2,...,n},表示具有NW个元素且n作为最后一个元素的迭代索引集合,U(x)表示和声x的表现;
若n等于N或满足式(2-3),则重复循环;否则,算法跳出循环并输出:x*=xB(n)和TU*=TU,B*(n)。
上述基于和声搜索的内容缓存和更新算法与其他HS算法相比,除了HMCR(harmonymemory considering rate,和声记忆考虑速率)之外,该算法中不包括其他参数,因此算法可扩展性得到很大改善。而且,与现有的HS算法相比,其增强了它在本地搜索的能力并加速了它的收敛。但是,在伯努利随机过程中,x的每个分量是xj从集合{0,1}中随机选择的,稳定性约束公式未被纳入即兴程序,因而所产生的和声对于问题P1不可行,故采用下述的基于边际贡献的和声修正(MHR)算法对其进行修正。
一种物联网中的联合内容缓存和更新策略的方法,该物联网包含:J个不同的传感器、用户设备(即UE)、代理设备和基站(Base Station,BS);代理设备为一个与基站相连的独立设备或者基站内部的存储空间;传感器和用户设备均处于基站的覆盖范围内,并且用户设备和传感器直接或通过基站进行信息交互;传感器用于感知物理现象并生成内容,用户设备用于以不同的强度向代理请求不同的内容。该BS能够缓存瞬态数据。
在现有技术中,进行内容缓存和更新时,IoT网络中的能耗主要来自于两个成本项,即用于传递资源和更新资源的能耗,从数据源直接向客户端发送数据或频繁地对代理中的资源进行更新可以保证较低的新鲜度损失,但同时以很高的能量消耗为代价;相反,当能耗最小化时(大部分数据项在路由器处被确定性地高速缓存),所检索内容的预期新鲜度损失又会受到很大影响。因此,对能耗和新鲜度的优化是相互矛盾的,降低能耗只能通过有选择地把资源缓存在代理中以及调整传感器对代理中内容的更新频率。
物联网中的联合内容缓存和更新策略的方法,包含:
(1)判定是否对用户设备请求的内容进行缓存,并确定缓存后内容的更新周期为将传感器直接连接用户设备和传感器借助于基站在代理设备中缓存以传输给用户设备的过程,分别作为基于直接传输的传送模式(DDM,Direct Transmission BasedDeliveryMode)和基于中继的传送模式(RDM,Relay Based Delivery Mode):
对于用户设备请求的所有内容,代理设备判断所需存储的内容编号,并将缓存结果表示为N={x1,x2,...,xJ},其中若为缓存内容j,则xj=1;否则,xj=0;若xj=1,传感器j周期性地将内容更新到BS,并且每个UE从BS获得内容;若xj=0,UE直接从传感器j获取内容;其中,每个内容的请求到达均遵循具有参数λj的泊松分布,参数λj表示内容j的检索请求的平均到达率,其通过历史统计数据获得;
(2)内容新鲜度损失取决于传输路径,即上述缓存结果,在两种不同模式下,内容的新鲜度损失不同,为:
式(3-1)中,和分别表示由传感器到基站的传输所引起的新鲜度损失,内容的缓存过程所引起的新鲜度损失,以及从基站到用户设备的传输所引起的新鲜度损失;表示直接将内容从传感器发送至用户设备时产生的新鲜度损失;同样,当内容没有在代理中缓存时,我们用表示相应的新鲜度损失,在这种情况下,它应该直接从传感器传送到请求的用户设备;
(3)将在基站向用户设备的数据传输过程建模为M/M/1排队模型;将传感器向用户设备的数据传输过程建模为M/D/1排队模型,则网络中内容传输的满意度为:
式(3-2)中,δ(·)为辅助指标函数,用于指示是否满足表示内容j的新鲜度损失阈值θj,0<θj≤1;根据实际网络情况,若xj=0表示用户设备直接从传感器获取数据,则内容的新鲜度需求始终满足,辅助指标函数δ(·)中的判据结果为真;
式(3-3)中,Cj表示内容j的大小,表示从传感器到基站的平均传输速率,表示从传感器j到请求的用户设备的平均传输速率,Tj表示内容j的生命周期,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;是从基站到用户设备的发射时间遵循指数分布的参数,和分别表示平均内容大小和平均传输速率;
设定将每个传感器j的能耗标准化为:
式(3-4)中,为内容缓存单位时间的能耗,从传感器传输至用户设备单位时间的能量消耗,表示一个内容更新周期的时间;
(4)定义网络的效用为:
式(3-5)中,U表示获得的满意度与一个单位标准化能耗的成本,UFL表示网络中内容传输的满意度,UE表示每个传感器j的能耗标准化,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;
(5)为了最大化网络效用,建立问题P模型,解决问题P,以获得局部最优解,得到内容缓存和更新的最优策略;其中,该问题P为混合的0-1整数非凸优化问题:
式(3-6)为目标函数式,表示目标是在标准化的能源预算下最大化总体满意度,X为内容缓存策略,TU为内容更新策略;
式(3-7)为约束条件,指定为二元变量,xj=0,表示传感器直接连接用户设备,xj=1,表示借助于基站在代理中缓存内容;
式(3-8)为约束条件,表示对于在代理中缓存的每个内容的变量内容更新周期大于若没有内容更新;
式(1-2)为约束条件,用于保证基站中的传输系统的稳定。
根据本发明一实施例,该方法还包含优化问题P,为:
(5.5)在实际情况中,直接从传感器向用户发送内容时均可满足新鲜度损失约束,因而将网络中内容传输的满意度变换为:
式(3-9)中,如果相应的xj被设置为0,那么指标函数δ(·)中的每个参数总是为真;
(5.6)基于满意度受到缓存策略和期间发生的新鲜度损失,将式(3-6)问题P的目标函数转化为:
(5.7)研究问题P1中内容缓存策略x和内容更新策略TU之间的耦合并推导出从x到TU的最佳映射:TU*(x);
(5.8)通过基于和声搜索的内容缓存和更新算法,解决问题P1,以获得局部最优解,得到内容缓存和更新的最优策略。
根据本发明一实施例,在步骤(5.7)中,最佳映射的推导方法为:
(5.7A)给定缓存策略配置文件x=(x1,x2,...,xJ),将内容分为两组,为和其中J0和J1分别表示未缓存在代理中的内容集和缓存在代理中的内容集,因而将标准化的能量消耗进一步转换为:
式(3-11)中,算符|·|代表求一组基数;对于缓存内容
(5.7B)给定划分J=J0∪J1,则总体满意度可以表示为:
其中,
式(3-12)表示每个缓存内容的更新间隔时间的等效要求;结合公式(3-12)和(3-13),对于每个缓存内容j,如果ωj≥0,则等价于否则,无论设置为什么值,总是等于0;
式(3-8)中,当给定缓存策略配置文件x和相应的划分J=J0∪J1时,问题P1中每个单独内容的最优更新间隔可以表示为映射:其中:
根据缓存策略文件x的缓存内容,当参数ωj不大于时,更新间隔将被设置为∞以最大化目标函数确保所使用的能量消耗最小。
本发明的方法建立同时考虑“数据突变”和“网内缓存”的模型,该模型使用基于数据项生存期的成本函数以及动态适应的系统变量(例如接收到的内容请求到达的速率),也就是说迎合了物联网应用提供商提出的数据新鲜度约束,同时也有效地利用了网络运营商提供的通信资源,其可以根据物联网应用提供商与网络运营商之间的服务水平协议来确定,以用于评估互联网内容路由器中基于拉取的暂态数据项缓存的可能性,并解决数据新鲜度和多跳通信之间的相互作用。而且,该方法将最优的网络化内容缓存与更新问题建模为混合0-1整数的非凸优化问题设计,具有混合0-1整数和连续变量的制定问题是NP-Hard,这在大规模情况下,即在传感器数量很大时,是不容易解决的,采用上述基于和声搜索的内容缓存和更新(HSCU)算法以解决该问题,能够满足新鲜度要求,同时在传感器的数量大于与所采用的系统参数极其的相关临界点之前,可以实现相对稳定的整体网络效用,还能够使可扩展性得到很大改善,且增强了它在本地搜索的能力并加速了它的收敛。
如图1所示,为本发明的方法中HSCU算法的具体流程图,在步骤(9)中,基于和声搜索的内容缓存和更新(HSCU)算法,具体如下:
(1A)HM初始化;
(2A)将HMS设置为K,MNI设置为N,HMCR设置为并且n=0;然后,采用伯努利随机过程生成K个和声,使用下述基于边际贡献的和声修正(MHR)算法对其进行修正,将它们存储在HM中,并根据式(2-2)计算相应的K更新策略。将HM中的最佳和最差和声分别表示为xB(n)和xW(n);
(3A)进入循环,设置n=n+1,即兴创作和声;
(4A)随机选择HM中的两个和声x1和x2。用公式(2-1)生成 然后用MHR算法进行修正;
(5A)HM更新,若xnew优于xW(n),那么用HM中的xnew替换xW(n);
(6A)更新HM中的xB(n)和xW(n),用式(2-2)计算xB(n)的内容更新策略TU,B*(n);
(7A)终止检查;
(8A)若n等于N或满足(2-3)式,那么重复上述步骤(3A)-(7A),否则,输出x*=xB(n)和TU*=TU,B*(n)。
基于边际贡献的和声修正(MHR)算法,包含:
(1B)输入待修正和声x;
(2B)若则获得集合并根据公式(1-1)按照升序排列,即
(3B)计算J1′中满足的最小指标jmin,设 用于和声x,并用x3表示新的和声;
(4B)获得集合并且基于λj按照升序排列,即
(5B)计算J0′中满足的最大指标jmax,并设定
(6B)从i=1到jmax循环,若则为和声x3设置并再次用x3重新标记新的和声,否则,将和声x更新为x3;
(7B)返回修正后的和声x。
本发明的算法适用于求解所建模问题P,一方面,该算法属于无导数的实参参数优化算法,对于问题P的目标函数以及优化之间的关系没有特定约束;另一方面,该算法将所需调整的算法参数数目进行了最小化处理,从而提升了算法的收敛速度和收敛精度。
综上所述,本发明的物联网中的联合内容缓存和更新策略的方法及算法,其基于数据项生存期的成本函数以及动态适应的系统变量,采用基于和声搜索的内容缓存和更新算法,能够同时兼顾传感器能耗和内容的新鲜度需求。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种基于边际贡献的和声修正算法,其特征在于,该算法包含:
(1)输入待修正和声x,该待修正和声x为缓存策略配置文件,x=(x1,x2,...,xJ),将内容分为两组,和 给定划分J=J0∪J1,其中J0和J1分别表示未缓存的内容集和缓存的内容集;
(2)每个缓存内容的价值可以表示为:
式(1-1)中,J1-j代表排除了内容j的集合J1;为使用x=(x1,x2,...,xJ)与x=(x1,x2,...,xj=0,…,xJ)时得到的目标函数之差;λj表示内容j的检索请求的平均到达率;
在需要修正时,根据待修正和声x得到集合利用式(1-1)将J1按升序排列,得到
(3)依次将J1′中对应元素设置为0,直至满足稳定性约束公式,并将派生的和声表示为x3;其中,稳定性约束公式为:
式(1-2)中,和分别表示平均内容大小和平均传输速率;
(4)根据待修正和声x得到集合基于λj按照升序排列,得到在违反稳定性约束条件之前将内容添加到缓存中;
(5)更新集合x3,并设置x=x3;
(6)返回x作为修正和声。
2.根据权利要求1所述的基于边际贡献的和声修正算法,其特征在于,在所述的步骤(3)中,计算J1′中满足的最小指标jmin,将待修正和声x中对应元素设置为0,并产生新和声x3。
3.根据权利要求2所述的基于边际贡献的和声修正算法,其特征在于,在所述的步骤(4)中,计算J0′中满足的最大指标jmax,并记对于中元素按次序进行如下操作:
依次设置i=1、2……jmax;
若则将x3中的元素设置为1,并再次用x3重新标记新的和声,i=i+1;
若设置x=x3,完成本步骤。
4.一种基于和声搜索的内容缓存和更新算法,其特征在于,该算法包含:
(1)确定问题P1,该问题P1为混合0-1整数非凸优化问题,缓存策略配置文件为x=(x1,x2,...,xJ),将内容分为两组,即 和划分其中J0和J1分别表示未缓存的内容集和缓存的内容集,对和声记忆库进行初始化;
(2)设置该算法中相关参数和声记忆库尺寸、最大迭代次数和和声记忆考虑率,其中,将和声记忆考虑率设置为将和声记忆库尺寸设置为K,最大迭代次数设置为N,并且n=0;
(3)采用伯努利随机过程生成K个和声,进行修正,存储在所述的和声记忆库中,并根据所述问题P1中每个内容的最优更新间隔的映射计算相应的K更新策略,将所述和声记忆库中的最佳和最差和声分别表示为xB(n)和xW(n);
(4)该算法进入一个循环,设置n=n+1,在每次迭代期间,按照和声即兴创作、和声记忆库更新和终止检查的顺序执行,以更新和声;
在所述的步骤(3)中,所述的修正采用如权利要求1-3中任意一项所述的基于边际贡献的和声修正算法。
5.根据权利要求4所述的基于和声搜索的内容缓存和更新算法,其特征在于,在所述的和声即兴创作中,在所述的和声记忆库中选择两个和声x1和x2,用它们通过公式(2-1)产生一个新的和声
式(2-1)中,A(·)代表数字的绝对值,
在所述和声记忆库更新时,若xnew优于xW(n),则用所述和声记忆库中的xnew替换xW(n),并更新所述和声记忆库中的xB(n)和xW(n);根据所述映射计算xB(n)的内容更新策略TU ,B*(n)。
6.根据权利要求5所述的基于和声搜索的内容缓存和更新算法,其特征在于,所述问题P1中每个内容的最优更新间隔的映射为:
式(2-2)中,λj表示内容j的检索请求的平均到达率,Tj表示内容j的生命周期,θj表示内容j的新鲜度损失阈值,Cj表示内容j的大小,表示传感器的传输速率。
7.根据权利要求6所述的基于和声搜索的内容缓存和更新算法,其特征在于,对于终止检查步骤,使用SBSH中的预定义MNI,还施加一个基于滑动窗口的停止标准,以使算法更快地终止,该停止标准为:
式(2-3)中,NW(n)={n-NW+1,n-NW+2,...,n},表示具有NW个元素且n作为最后一个元素的迭代索引集合,U(x)表示和声x的表现;
若n等于N或满足式(2-3),则重复循环;否则,算法跳出循环并输出:x*=xB(n)和TU*=TU,B*(n)。
8.一种物联网中的联合内容缓存和更新策略的方法,其特征在于,该物联网包含:J个不同的传感器、用户设备、代理设备和基站;所述的代理设备为一个与基站相连的独立设备或者基站内部的存储空间;所述的传感器和用户设备均处于基站的覆盖范围内,并且用户设备和传感器直接或通过基站进行信息交互;所述的传感器用于感知物理现象并生成内容,所述的用户设备用于以不同的强度向代理请求不同的内容;该方法包含:
(1)判定是否对用户设备请求的内容进行缓存,并确定缓存后内容的更新周期为将传感器直接连接用户设备和传感器借助于基站在代理设备中缓存以传输给用户设备的过程,分别作为基于直接传输的传送模式和基于中继的传送模式:
对于所述用户设备请求的所有内容,代理设备判断所需存储的内容编号,并将缓存结果表示为N={x1,x2,...,xJ},其中xj∈{0,1}, 若为缓存内容j,则xj=1;否则,xj=0;其中,每个内容的请求到达均遵循具有参数λj的泊松分布,参数λj表示内容j的检索请求的平均到达率,其通过历史统计数据获得;
(2)内容新鲜度损失取决于所述的缓存结果,在所述两种不同模式下,内容的新鲜度损失不同,为:
式(3-1)中,和分别表示由传感器到基站的传输所引起的新鲜度损失,内容的缓存过程所引起的新鲜度损失,以及从基站到用户设备的传输所引起的新鲜度损失;表示直接将内容从传感器发送至用户设备时产生的新鲜度损失;
(3)对基站向用户设备的数据传输过程和将传感器向用户设备的数据传输过程建模,网络中内容传输的满意度为:
式(3-2)中,δ(·)为辅助指标函数,用于指示是否满足表示内容j的新鲜度损失阈值θj,0<θj≤1;根据实际网络情况,若xj=0表示用户设备直接从传感器获取数据,则内容的新鲜度需求始终满足,辅助指标函数δ(·)中的判据结果为真;
式(3-3)中,Cj表示内容j的大小,表示从传感器到基站的平均传输速率,表示从传感器j到请求的用户设备的平均传输速率,Tj表示内容j的生命周期,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;是从基站到用户设备的发射时间遵循指数分布的参数,和分别表示平均内容大小和平均传输速率;
设定将每个传感器j的能耗标准化为:
式(3-4)中,为内容缓存单位时间的能耗,从传感器传输至用户设备单位时间的能量消耗,表示一个内容更新周期的时间;
(4)定义网络的效用为:
式(3-5)中,U表示获得的满意度与一个单位标准化能耗的成本,UFL表示网络中内容传输的满意度,UE表示每个传感器j的能耗标准化,表示一个内容更新周期的时间,λj表示内容j的检索请求的平均到达率;
(5)为了最大化网络效用,建立问题P模型,解决问题P,以获得局部最优解,得到内容缓存和更新的最优策略;其中,该问题P为混合的0-1整数非凸优化问题:
式(3-6)为目标函数式,表示目标是在标准化的能源预算下最大化总体满意度,X为内容缓存策略,TU为内容更新策略;
式(3-7)为约束条件,指定xj,为二元变量,xj=0,表示传感器直接连接用户设备,xj=1,表示借助于基站在代理中缓存内容;
式(3-8)为约束条件,表示对于在代理中缓存的每个内容的变量内容更新周期大于若没有内容更新;
式(1-2)为约束条件,用于保证基站中的传输系统的稳定。
9.根据权利要求8所述的物联网中的联合内容缓存和更新策略的方法,其特征在于,该方法还包含优化问题P,为:
(5.5)在实际情况中,直接从传感器向用户发送内容时均可满足新鲜度损失约束,因而将网络中内容传输的满意度变换为:
(5.6)基于所述的满意度受到缓存策略和期间发生的新鲜度损失,将式(3-6)问题P的目标函数转化为:
(5.7)研究问题P1中内容缓存策略x和内容更新策略TU之间的耦合并推导出从x到TU的最佳映射:TU*(x);
(5.8)通过如权利要求4-7中任意一项所述的基于和声搜索的内容缓存和更新算法,解决问题P1,以获得局部最优解,得到内容缓存和更新的最优策略。
10.根据权利要求9所述的物联网中的联合内容缓存和更新策略的方法,其特征在于,在所述的步骤(5.7)中,所述的最佳映射的推导方法为:
(5.7A)给定缓存策略配置文件x=(x1,x2,...,xJ),将内容分为两组,为和其中J0和J1分别表示未缓存在代理中的内容集和缓存在代理中的内容集,因而将标准化的能量消耗进一步转换为:
式(3-11)中,算符|·|代表求一组基数;对于缓存内容
(5.7B)给定划分J=J0∪J1,则总体满意度可以表示为:
其中,
式(3-12)表示每个缓存内容的更新间隔时间的等效要求;
式(3-8)中,当给定所述缓存策略配置文件x和相应的划分J=J0∪J1时,所述问题P1中每个单独内容的最优更新间隔可以表示为映射:其中:
根据缓存策略文件x的缓存内容,当参数ωj不大于时,更新间隔将被设置为∞以最大化目标函数确保所使用的能量消耗最小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119964.2A CN109067918B (zh) | 2018-09-25 | 2018-09-25 | 一种物联网中的联合内容缓存和更新策略的方法及算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119964.2A CN109067918B (zh) | 2018-09-25 | 2018-09-25 | 一种物联网中的联合内容缓存和更新策略的方法及算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109067918A true CN109067918A (zh) | 2018-12-21 |
CN109067918B CN109067918B (zh) | 2020-12-22 |
Family
ID=64765988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811119964.2A Active CN109067918B (zh) | 2018-09-25 | 2018-09-25 | 一种物联网中的联合内容缓存和更新策略的方法及算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109067918B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111277666A (zh) * | 2020-02-21 | 2020-06-12 | 南京邮电大学 | 一种基于新鲜度的在线协作缓存方法 |
CN112437131A (zh) * | 2020-11-10 | 2021-03-02 | 西北农林科技大学 | 物联网中考虑数据相关性的数据动态采集与传输方法 |
CN115378963A (zh) * | 2022-08-24 | 2022-11-22 | 重庆邮电大学 | 一种边缘数据服务方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120307926A1 (en) * | 2011-06-01 | 2012-12-06 | Industrial Technology Research Institute | Beam-former searching method and central unit using the method |
CN103916927A (zh) * | 2014-03-17 | 2014-07-09 | 华中科技大学 | 一种基于改进和声搜索算法的无线传感器网络路由方法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
CN105940637A (zh) * | 2014-02-27 | 2016-09-14 | 英特尔公司 | 用于机架级架构计算系统的工作负荷优化、调度和布置 |
-
2018
- 2018-09-25 CN CN201811119964.2A patent/CN109067918B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120307926A1 (en) * | 2011-06-01 | 2012-12-06 | Industrial Technology Research Institute | Beam-former searching method and central unit using the method |
CN105940637A (zh) * | 2014-02-27 | 2016-09-14 | 英特尔公司 | 用于机架级架构计算系统的工作负荷优化、调度和布置 |
CN103916927A (zh) * | 2014-03-17 | 2014-07-09 | 华中科技大学 | 一种基于改进和声搜索算法的无线传感器网络路由方法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
Non-Patent Citations (2)
Title |
---|
M. R. PALATTELLA ET AL.: ""Internet of Things in the 5G Era: Enablers, Architecture, and Business Models"", 《IEEE》 * |
XUAN LI,XIJUN WANG,CHAO XU: ""Efficient link scheduling with joint power control and successive interference cancellation in wireless networks"", 《SCIENCE CHINA》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111277666A (zh) * | 2020-02-21 | 2020-06-12 | 南京邮电大学 | 一种基于新鲜度的在线协作缓存方法 |
CN111277666B (zh) * | 2020-02-21 | 2021-06-01 | 南京邮电大学 | 一种基于新鲜度的在线协作缓存方法 |
CN112437131A (zh) * | 2020-11-10 | 2021-03-02 | 西北农林科技大学 | 物联网中考虑数据相关性的数据动态采集与传输方法 |
CN112437131B (zh) * | 2020-11-10 | 2022-09-13 | 西北农林科技大学 | 物联网中考虑数据相关性的数据动态采集与传输方法 |
CN115378963A (zh) * | 2022-08-24 | 2022-11-22 | 重庆邮电大学 | 一种边缘数据服务方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109067918B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | When deep reinforcement learning meets federated learning: Intelligent multitimescale resource management for multiaccess edge computing in 5G ultradense network | |
Yao et al. | Joint content placement and storage allocation in C-RANs for IoT sensing service | |
Kai et al. | Collaborative cloud-edge-end task offloading in mobile-edge computing networks with limited communication capability | |
Chang et al. | Dynamic resource allocation and computation offloading for IoT fog computing system | |
Zhang et al. | Digital twin empowered content caching in social-aware vehicular edge networks | |
Li et al. | Applications of multi-agent reinforcement learning in future internet: A comprehensive survey | |
Guo et al. | Collaborative computation offloading for multiaccess edge computing over fiber–wireless networks | |
Yao et al. | Caching in energy harvesting aided Internet of Things: A game-theoretic approach | |
Huang et al. | Distributed reputation management for secure and efficient vehicular edge computing and networks | |
Wu et al. | Collaborative caching and matching for D2D content sharing | |
Yang et al. | Deep-reinforcement-learning-based energy-efficient resource management for social and cognitive Internet of Things | |
CN113419857B (zh) | 一种基于边缘数字孪生关联的联邦学习方法及系统 | |
Dai et al. | A learning-based approach for vehicle-to-vehicle computation offloading | |
US20210326695A1 (en) | Method and apparatus employing distributed sensing and deep learning for dynamic spectrum access and spectrum sharing | |
Li et al. | A federated learning-based edge caching approach for mobile edge computing-enabled intelligent connected vehicles | |
Ren et al. | Blockchain-based VEC network trust management: A DRL algorithm for vehicular service offloading and migration | |
CN109067918A (zh) | 一种物联网中的联合内容缓存和更新策略的方法及算法 | |
Pei et al. | Energy‐Efficient Mobile Edge Computing: Three‐Tier Computing under Heterogeneous Networks | |
Ugwuanyi et al. | Co-operative and hybrid replacement caching for multi-access mobile edge computing | |
Al-Abiad et al. | Decentralized aggregation for energy-efficient federated learning via D2D communications | |
Yao et al. | Cooperative task offloading and service caching for digital twin edge networks: A graph attention multi-agent reinforcement learning approach | |
CN116916390A (zh) | 一种结合资源分配的边缘协作缓存优化方法及装置 | |
Li et al. | Digital twin-enabled service satisfaction enhancement in edge computing | |
Yuan et al. | Caching hit ratio maximization in mobile edge computing with node cooperation | |
Dai et al. | Proactive caching over cloud radio access network with user mobility and video segment popularity awared |
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 |