CN109756908A - 无线网络缓存策略的优化方法/系统、存储介质及设备 - Google Patents
无线网络缓存策略的优化方法/系统、存储介质及设备 Download PDFInfo
- Publication number
- CN109756908A CN109756908A CN201711058441.7A CN201711058441A CN109756908A CN 109756908 A CN109756908 A CN 109756908A CN 201711058441 A CN201711058441 A CN 201711058441A CN 109756908 A CN109756908 A CN 109756908A
- Authority
- CN
- China
- Prior art keywords
- file
- user
- wireless network
- current time
- subset
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种无线网络缓存策略的优化方法/系统、存储介质及设备,方法包括:初始时刻在无线网络中建立用户集合和文件集合;在新用户加入到用户集合中后,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到文件集合中后,根据已存的用户的度分布,选择若干用户进行连接,以获取当前时刻文件的流行度;依据当前时刻用户的需求度,建立最优化问题;依据当前时刻文件的流行度,将文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决最优化问题。本发明利用了无线网络中文件度的幂律分布,针对性设计出最优缓存存储策略,提高网络文件传输速率,并在一定情况下,使得网络可以无限扩展。
Description
技术领域
本发明属于无线通信技术领域,涉及一种优化方法和系统,特别是涉及一种无线网络缓存策略的优化方法/系统、存储介质及设备。
背景技术
演进是无线网络中的普遍现象,主要表现在新的节点和新的内容的加入。在演进过程中,有一个特征是用户和文件是相互依赖,互相影响的关系。在这种关系下,网络规模不断增长和演进。在演进过程中,主要有以下两个特征:第一,网络中既有新的系节点的加入,也有新的文件加入,且二者相互影响;第二,用户对文件的喜好呈现幂律分布,文件的流行度也是幂律分布,即大多数用户都喜欢少数的一些文件。这两个特征为网络中的文件传输带来了新的挑战,也需要新的传输技术和策略。缓存技术已被广泛证明可以为无线网络传输带来巨大的通信增益,尤其是当文件流行度为幂律分布时。然后现阶段,缓存技术还未被应用到无线网络中。本专利针对带有社交层的无线网络中的文件传输需求和特点,提出利用缓存技术来提升文件传输增益,并针对具体的演进过程和缓存容量大小,设计出最优的缓存存储策略。仿真结果证明,本文算法可以显著提升无线网络传输性能。
对现有的技术检索发现,Silvio Lattanzi等在2009年的Proceedings of theforty-first annual ACM symposium on Theory of computing上发表的AffiliationNetworks(附属网络)中描述了无线网络中用户和文件同时加入,相互影响,相互依赖,共同演进形成的网络模型,并指出这种网络模型用户需求度和文件流行度都是幂律分布。
现有技术提出了将缓存技术应用于多跳无线网络中,并证明其可以最小化通信传输距离,由此带来巨大的通信增益,且指出原有的缓存分配算法认定用户对文件的需求是一致的,没有考虑用户需求不一致的情况,导致通信效率较低。
因此,如何提供一种无线网络缓存策略的优化方法/系统、存储介质及设备,以解决现有技术未考虑用户对文件的需求不一致的情况,导致通信效率较低等缺陷,实已成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种无线网络缓存策略的优化方法/系统、存储介质及设备,用于解决现有技术中未考虑用户对文件的需求不一致的情况,导致通信效率较低的问题。
为实现上述目的及其他相关目的,本发明一方面提供一种无线网络缓存策略的优化方法,包括:步骤一,初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;步骤二,在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到所述文件集合中后,根据已存的用户的度分布,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度;步骤三,依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;步骤四,依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
于本发明的一实施例中,所述用户集合表示所述无线网络中的用户基于社交关系组成的多跳传输网络;所述文件集合表示用户与文件之间的关系;其中,每个用户与至少一个文件连接,每个文件与至少一个用户连接;文件与用户之间的连接关系表示该文件缓存于与其连接的用户中。
于本发明的一实施例中,当前时刻若新用户以概率β加入到所述用户集合中后,新用户与Cu个文件建立连接;当前时刻若新文件以概率1-β加入到所述文件集合中后,新文件与Cf个用户建立连接;那么当前时刻用户的需求度当前时刻文件的流行度为1-C。
于本发明的一实施例中,所述最优化问题需满足缓存约束条件;所述缓存约束条件包括:单个用户中存储的文件大小不能超过该用户的缓冲容量;每个用户的缓冲容量不能大于所述无线网络中所有文件的容量,并且所述无线网络的缓冲容量应至少存储一份所有文件。
于本发明的一实施例中,将当前时刻用户的需求度及当前时刻文件的流行度通过非线式最优化进行求解,以获取三种不同类的文件子集;所述三种不同类的文件子集分别为第一类文件子集、第二类文件子集及第三类文件子集;所述第一类文件子集中文件的文件流行度包括在预定的第一流行度范围内;所述第二类文件子集中文件的文件流行度包括在预定的第二流行度范围内;所述第三类文件子集中文件的文件流行度包括在预定的第三流行度范围内。
于本发明的一实施例中,所述不同类的文件子集采用不同缓存方式包括:所述第一类文件子集中的文件存储在每个用户的缓存中;所述第二类文件子集中的文件存储在所有用户中的一部分用户的缓冲中;所述第三类文件子集中的文件仅存储在一个用户的缓存中。
于本发明的一实施例中,所述无线网络缓存策略的优化方法还包括:当前时刻结束,进入下一时刻时,返回步骤二,循环执行所述调整方法,以更新上一时刻的最优化的文件缓存策略。
本发明另一方面提供一种无线网络缓存策略的优化系统,包括:集合建立模块,用于初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;处理模块,用于在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到所述文件集合中后,根据已存的用户的度稳步,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度;并依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
本发明又一方面提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述无线网络缓存策略的优化方法。
本发明最后一方面提供一种设备,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行所述无线网络缓存策略的优化方法
如上所述,本发明的无线网络缓存策略的优化方法/系统、存储介质及设备,具有以下有益效果:
第一,本发明根据网络用户节点和文件流行度进行缓存存储算法设计,提高了缓存的利用率,进一步缩短了网络传输距离;
第二,本发明在网络中用户和文件数目不断增加的情况下,根据用户需求和文件流行度的动态变化,可以改变缓存存储设计,提高算法的自适应能力;
第三,本发明通过针对不同的缓存存储空间大小,提出相应的最优缓存空间分配算法,克服了传统多跳网络不能大规模扩展的缺陷。
附图说明
图1显示为本发明无线网络的结构示意图。
图2显示为本发明的无线网络缓存策略的优化方法于一实施例中的流程示意图。
图3显示为本发明的社交关系图。
图4显示为本发明的二分图。
图5显示为本发明的S22的实景示意图
图6A显示为本发明的应用无线网络缓存策略的优化方法的性能图。
图6B显示为本发明的应用无线网络缓存策略的优化方法的性能图。
图7显示为本发明的无线网络缓存策略的优化系统于一实施例中的原理结构示意图。
元件标号说明
1 无线网络
11 用户节点
7 无线网络缓存策略的优化系统
71 集合建立模块
72 处理模块
73 循环模块
S21~S26 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
实施例一
本实施例提供一种无线网络缓存策略的优化方法,其特征在于,包括:
步骤一,初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;
步骤二,在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到所述文件集合中后,根据已存的用户的度稳步,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度;
步骤三,依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;
步骤四,依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
以下将结合图示对本实施例所提供的无线网络缓存策略的优化方法进行详细描述。本实施例所述的无线网络缓存策略的优化方法应用于如图1所示的无线网络1中,该无线通信网络1包括若干相互通信连接的用户节点11。用户节点11之间通信采用了无线多跳网络传输形式,即网络中源节点和目的节点之间的传输通过多个中继节点来完成,传输路线为源目节点之间的近似直线,多跳传输距离为最小欧式距离。为避免临近节点之间互相干扰,节点之间传输采用TDMA策略,即当一对用户节点进行一跳传输时,周围一定区域内节点不进行传输。由于影响网络传输速率性能的主要因素为干扰,而多跳长距离传输会带来大量的干扰。提高传输速率的一个重要方法是缩短传输距离。
请参阅图2,显示为无线网络缓存策略的优化方法于一实施例中的流程示意图。如图2所示,所述无线网络缓存策略的优化方法具体包括以下几个步骤:
S21,初始时刻t0在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合。在本实施例中,G(U,E)代表所述用户集合,表示所述无线网络中的用户基于社交关系组成的多跳传输网络。如图3所示的社交关系图表示G(U,E),其中,U代表用户节点,E代表用户节点之间的边,即用户节点之间的社会关系。在本实施例中,B(U,F)代表所述文件集合,表示用户与文件之间的关系;;文件与用户之间的连接关系表示该文件缓存于与其连接的用户中。如图4所示的二分图表示B(U,F),其中,U表示用户节点,F表示文件,其中,每个用户与至少一个文件连接,每个文件与至少一个用户连接。
例如,当前时刻t,一个新用户加入到所述用户集合G(U,E),或一个新文件加入到所述文件集合B(U,F)。用户和文件的相互影响,相互演进,同时拥有同一个文件的用户,在无线社交网络中进行相互连接,当演进时间足够长时,形成大规模无线演进社交网络。
S22,判断是否为新用户加入到所述用户集合,若是,则执行步骤S23,在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;若否,则执行步骤S23’,在新文件加入到所述文件集合中后,根据已存的用户的度稳步,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度。在网络的动态演进过程中,用户的度分布和文件的度分布都是幂律分布。在大规模网络中,幂律分布的指数与演进参数有关。
具体S22的实景示意图如图5所示,当前时刻t,新用户以概率β加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,在所述用户集合中选择一参考用户,选择该参考用户的Cu个文件,与该Cu个文件建立连接,以获取当前时刻用户的需求度
或/和,当前时刻t,在新文件以概率1-β加入到所述文件集合中后,根据已存的用户的度分布,利用偏好连接原则,在所述文化集合中选择一参考文件,选择与该参考文件连接的若干用户Cf建立连接,以获取当前时刻文件的流行度1-C。
S24,依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题。为得到最大化的网络传输速率,所述最优化问题需满足缓存约束条件,包括:
单个用户中存储的文件大小不能超过该用户的缓冲容量;
每个用户的缓冲容量不能大于所述无线网络中所有文件的容量,并且所述无线网络的缓冲容量应至少存储一份所有文件。
S25,依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。所述最优化的文件缓存策略为将文件集合按照文件的流行度进行划分,并将按照流行度划分的文件以不同的存储方式缓存在用户集合中。
具体地,将当前时刻用户的需求度及当前时刻文件的流行度通过非线式最优化进行求解(即KKT条件求解所述最优化问题),以获取三种不同类的文件子集。
所述三种不同类的文件子集分别为第一类文件子集(第一类文件子集中文件的流行度最高)、第二类文件子集(第二类文件子集中文件的流行度次之,在整个无线网络中的存储与二分图中的度数成比例)及第三类文件子集(第三类文件子集中文件的流行度较低);所述第一类文件子集中文件的文件流行度包括在预定的第一流行度范围内;所述第二类文件子集中文件的文件流行度包括在预定的第二流行度范围内;所述第三类文件子集中文件的文件流行度包括在预定的第三流行度范围内。
在本实施例中,所述不同类的文件子集采用不同缓存方式包括:
所述第一类文件子集中的文件存储在每个用户的缓存中;
所述第二类文件子集中的文件存储在所有用户中的一部分用户的缓冲中;
所述第三类文件子集中的文件仅存储在一个用户的缓存中。
S26,当前时刻结束,进入下一时刻时,返回S22,循环执行所述调整方法,以更新上一时刻的最优化的文件缓存策略。在新的时刻t+1,根据最新的用户的度分布,改变网络的缓存分配策略,提升缓存利用效率。
所述无线网络缓存策略的优化方法的仿真实例的参数为:
(1)网络中的最终节点数量为4039,所有节点位于一个单位平面内,随机分布。
(2)网络中用户节点之间的边数为88234。
(3)节点的平均聚集常数为0.6055。
(4)节点当中的文件数目为1283。
(5)网络的丢包率为常数。
随机选取了200个用户节点和50个文件作为初始用户节点和文件,再此基础上开始演进。需要指出的是,当初始用户节点和初始文件数目远小于数据集中总节点和总文件数时,其具体数值不会对仿真结果产生影响。
参阅图6A,为演进到数据集节点全部加入时,二分图中用户节点和文件节点的度分布,可以看到,二者的演进结果均呈现幂律分布。
参阅图6B,显示为应用无线网络缓存策略的优化方法的性能图。如图6所示,在不同的缓存节点存储空间情况下,采用最优的缓存存储策略,得到的网络平均传输速率性能。由图可知,平均传输速率与幂律分布指数相关,随着幂律分布指数的降低,平均传输速率将会得到提升。特别的,该优化方法可以使无线演进社交网络得到大规模扩展,克服了传统无线多跳网络的缺陷。
本实施例还提供一种存储介质(计算机可读存储介质),其上存储有计算机程序,该程序被处理器执行时实现上述无线网络缓存策略的优化方法。本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例所述的无线网络缓存策略的优化方法及计算机可读存储介质如下有益效果:
第一,根据网络用户节点和文件流行度进行缓存存储算法设计,提高了缓存的利用率,进一步缩短了网络传输距离;
第二,在网络中用户和文件数目不断增加的情况下,根据用户需求和文件流行度的动态变化,可以改变缓存存储设计,提高算法的自适应能力;
第三,通过针对不同的缓存存储空间大小,提出相应的最优缓存空间分配算法,克服了传统多跳网络不能大规模扩展的缺陷。
实施例二
本实施例提供一种无线网络缓存策略的优化系统,需要说明的是,应理解优化系统的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处理器(digitalsingnalprocessor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
请参阅图7,显示为无线网络缓存策略的优化系统于一实施例中的原理结构示意图。如图7所示,所述无线网络缓存策略的优化系统7包括集合建立模块71、处理模块72及循环模块73。
所述集合建立模块71用于初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;
与所述集合建立模块71耦合的处理模块72用于判断是否为新用户加入到所述用户集合,若是,则在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;若否,则在新文件加入到所述文件集合中后,根据已存的用户的度稳步,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度,并依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
在本实施例中,当前时刻若新用户以概率β加入到所述用户集合中后,新用户与Cu个文件建立连接;当前时刻若新文件以概率1-β加入到所述文件集合中后,新文件与Cf个用户建立连接,那么当前时刻用户的需求度当前时刻文件的流行度为1-C。
所述处理模块62还用于将当前时刻用户的需求度及当前时刻文件的流行度通过非线式最优化进行求解(即KKT条件求解所述最优化问题),以获取三种不同类的文件子集。
所述三种不同类的文件子集分别为第一类文件子集(第一类文件子集中文件的流行度最高)、第二类文件子集(第二类文件子集中文件的流行度次之,在整个无线网络中的存储与二分图中的度数成比例)及第三类文件子集(第三类文件子集中文件的流行度较低);所述第一类文件子集中文件的文件流行度包括在预定的第一流行度范围内;所述第二类文件子集中文件的文件流行度包括在预定的第二流行度范围内;所述第三类文件子集中文件的文件流行度包括在预定的第三流行度范围内。
在本实施例中,所述不同类的文件子集采用不同缓存方式包括:
所述第一类文件子集中的文件存储在每个用户的缓存中;
所述第二类文件子集中的文件存储在所有用户中的一部分用户的缓冲中;
所述第三类文件子集中的文件仅存储在一个用户的缓存中。
与所述处理模块72耦合的循环模块73在当前时刻结束,进入下一时刻时,循环调用所述处理模块72,以更新上一时刻的最优化的文件缓存策略。
实施例三
本实施例提供一种设备,包括:处理器、存储器、收发器、通信接口和系统总线;存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于和其他设备进行通信,处理器和收发器用于运行计算机程序,使x装置执行如上无线网络缓存策略的优化方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(PeripheralPomponentInterconnect,简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(RandomAccessMemory,简称RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明所述无线网络缓存策略的优化方法/系统、存储介质及设备具有以下有益效果:
第一,本发明根据网络用户节点和文件流行度进行缓存存储算法设计,提高了缓存的利用率,进一步缩短了网络传输距离;
第二,本发明在网络中用户和文件数目不断增加的情况下,根据用户需求和文件流行度的动态变化,可以改变缓存存储设计,提高算法的自适应能力;
第三,本发明通过针对不同的缓存存储空间大小,提出相应的最优缓存空间分配算法,克服了传统多跳网络不能大规模扩展的缺陷。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种无线网络缓存策略的优化方法,其特征在于,包括:
步骤一,初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;
步骤二,在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到所述文件集合中后,根据已存的用户的度分布,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度;
步骤三,依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;
步骤四,依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
2.根据权利要求1所述的无线网络传输速率的调整方法,其特征在于,
所述用户集合表示所述无线网络中的用户基于社交关系组成的多跳传输网络;
所述文件集合表示用户与文件之间的关系;其中,每个用户与至少一个文件连接,每个文件与至少一个用户连接;文件与用户之间的连接关系表示该文件缓存于与其连接的用户中。
3.根据权利要求1所述的无线网络缓存策略的优化方法,其特征在于,
当前时刻若新用户以概率β加入到所述用户集合中后,新用户与Cu个文件建立连接;
当前时刻若新文件以概率1-β加入到所述文件集合中后,新文件与Cf个用户建立连接;
那么当前时刻用户的需求度当前时刻文件的流行度为1-C。
4.根据权利要求1所述的无线网络缓存策略的优化方法,其特征在于,所述最优化问题需满足缓存约束条件;
所述缓存约束条件包括:
单个用户中存储的文件大小不能超过该用户的缓冲容量;
每个用户的缓冲容量不能大于所述无线网络中所有文件的容量,并且所述无线网络的缓冲容量应至少存储一份所有文件。
5.根据权利要求1所述的无线网络缓存策略的优化方法,其特征在于,将当前时刻用户的需求度及当前时刻文件的流行度通过非线式最优化进行求解,以获取三种不同类的文件子集;所述三种不同类的文件子集分别为第一类文件子集、第二类文件子集及第三类文件子集;
所述第一类文件子集中文件的文件流行度包括在预定的第一流行度范围内;
所述第二类文件子集中文件的文件流行度包括在预定的第二流行度范围内;
所述第三类文件子集中文件的文件流行度包括在预定的第三流行度范围内。
6.根据权利要求5所述的无线网络缓存策略的优化方法,其特征在于,所述不同类的文件子集采用不同缓存方式包括:
所述第一类文件子集中的文件存储在每个用户的缓存中;
所述第二类文件子集中的文件存储在所有用户中的一部分用户的缓冲中;
所述第三类文件子集中的文件仅存储在一个用户的缓存中。
7.根据权利要求1所述的无线网络缓存策略的优化方法,其特征在于,所述无线网络缓存策略的优化方法还包括:当前时刻结束,进入下一时刻时,返回步骤二,循环执行所述调整方法,以更新上一时刻的最优化的文件缓存策略。
8.一种无线网络缓存策略的优化系统,其特征在于,包括:
集合建立模块,用于初始时刻在所述无线网络中建立用户集合和文件集合,并在每一个时刻内,一新用户加入所述用户集合,或一新文件加入所述文件集合;
处理模块,用于在新用户加入到所述用户集合中后,根据已存的文件的度分布,利用偏好连接原则,选择若干文件进行连接,以获取当前时刻用户的需求度;或在新文件加入到所述文件集合中后,根据已存的用户的度稳步,利用偏好连接原则,选择若干用户进行连接,以获取当前时刻文件的流行度;并依据当前时刻用户的需求度,建立以无线网络的多跳传输效率为优化目标的最优化问题;依据当前时刻文件的流行度,将所述文件集合分为不同类的文件子集,不同类的文件子集采用不同缓存方式,以解决所述最优化问题,获取最优化的文件缓存策略。
9.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7中任一项所述无线网络缓存策略的优化方法。
10.一种设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行如权利要求1至7中任一项所述无线网络缓存策略的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058441.7A CN109756908B (zh) | 2017-11-01 | 2017-11-01 | 无线网络缓存策略的优化方法/系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058441.7A CN109756908B (zh) | 2017-11-01 | 2017-11-01 | 无线网络缓存策略的优化方法/系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756908A true CN109756908A (zh) | 2019-05-14 |
CN109756908B CN109756908B (zh) | 2021-10-15 |
Family
ID=66398847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711058441.7A Active CN109756908B (zh) | 2017-11-01 | 2017-11-01 | 无线网络缓存策略的优化方法/系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756908B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504986A (zh) * | 2021-06-30 | 2021-10-15 | 广州大学 | 基于缓存的边缘计算系统卸载方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150026251A1 (en) * | 2010-03-22 | 2015-01-22 | At&T Intellectual Property I, L.P. | Internet protocol version 6 content routing |
CN104822150A (zh) * | 2015-05-13 | 2015-08-05 | 北京工业大学 | 中心多跳认知蜂窝网络中的信息主动缓存的频谱管理方法 |
CN105307214A (zh) * | 2015-09-14 | 2016-02-03 | 北京航空航天大学 | 一种小小区网络中基于存储的干扰管理方法 |
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 |
CN106686655A (zh) * | 2017-03-20 | 2017-05-17 | 重庆邮电大学 | 一种异构网络联合用户关联及内容缓存方法 |
CN106708923A (zh) * | 2016-11-09 | 2017-05-24 | 武汉大学 | 一种基于移动群智网络的本地缓存文件分享方法 |
CN106851731A (zh) * | 2017-03-07 | 2017-06-13 | 电子科技大学 | 一种最大化卸载概率的d2d缓存分配方法 |
-
2017
- 2017-11-01 CN CN201711058441.7A patent/CN109756908B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150026251A1 (en) * | 2010-03-22 | 2015-01-22 | At&T Intellectual Property I, L.P. | Internet protocol version 6 content routing |
CN104822150A (zh) * | 2015-05-13 | 2015-08-05 | 北京工业大学 | 中心多跳认知蜂窝网络中的信息主动缓存的频谱管理方法 |
CN105307214A (zh) * | 2015-09-14 | 2016-02-03 | 北京航空航天大学 | 一种小小区网络中基于存储的干扰管理方法 |
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 |
CN106708923A (zh) * | 2016-11-09 | 2017-05-24 | 武汉大学 | 一种基于移动群智网络的本地缓存文件分享方法 |
CN106851731A (zh) * | 2017-03-07 | 2017-06-13 | 电子科技大学 | 一种最大化卸载概率的d2d缓存分配方法 |
CN106686655A (zh) * | 2017-03-20 | 2017-05-17 | 重庆邮电大学 | 一种异构网络联合用户关联及内容缓存方法 |
Non-Patent Citations (2)
Title |
---|
MARY R. SCHURGOT ET.AL: "Providing Local Content Discovery and Sharing in Mobile Tactical Networks", 《MILCOM 2013 - 2013 IEEE MILITARY COMMUNICATIONS CONFERENCE》 * |
王莉 等: "面向分布式缓存系统的无线资源管理:动机、挑战与方法", 《电信科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504986A (zh) * | 2021-06-30 | 2021-10-15 | 广州大学 | 基于缓存的边缘计算系统卸载方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109756908B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Deep reinforcement learning-based dynamic resource management for mobile edge computing in industrial internet of things | |
Ning et al. | Joint computing and caching in 5G-envisioned Internet of vehicles: A deep reinforcement learning-based traffic control system | |
CN111010684B (zh) | 一种基于mec缓存服务的车联网资源分配方法 | |
CN110312231A (zh) | 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法 | |
Yang et al. | D2D-enabled mobile-edge computation offloading for multiuser IoT network | |
Ren et al. | Blockchain-based VEC network trust management: A DRL algorithm for vehicular service offloading and migration | |
CN104507124A (zh) | 一种基站缓存的管理方法及用户访问的处理方法 | |
Li et al. | Deep reinforcement learning for cooperative edge caching in future mobile networks | |
Nicolaescu et al. | Store edge networked data (SEND): A data and performance driven edge storage framework | |
CN115297171B (zh) | 一种蜂窝车联网分级决策的边缘计算卸载方法及系统 | |
Hua et al. | GAN-based deep distributional reinforcement learning for resource management in network slicing | |
CN110290510A (zh) | 支持d2d通信的分层无线网络下的边缘协作缓存方法 | |
Liu et al. | A distributed dependency-aware offloading scheme for vehicular edge computing based on policy gradient | |
Safavifar et al. | Adaptive workload orchestration in pure edge computing: A reinforcement-learning model | |
CN109857562A (zh) | 一种众核处理器上访存距离优化的方法 | |
Jiang et al. | A reinforcement learning-based computing offloading and resource allocation scheme in F-RAN | |
Liu et al. | Joint computation offloading and data caching in multi-access edge computing enabled internet of vehicles | |
CN109756908A (zh) | 无线网络缓存策略的优化方法/系统、存储介质及设备 | |
CN112887943B (zh) | 一种基于中心度的缓存资源分配方法及系统 | |
Li et al. | Edge caching for D2D enabled hierarchical wireless networks with deep reinforcement learning | |
CN102377826B (zh) | 一种对等网络中冷门资源索引的优化放置方法 | |
CN110446239A (zh) | 一种基于多重幻方的无线传感网络分簇方法及系统 | |
Cao et al. | A resource allocation strategy in fog-cloud computing towards the Internet of Things in the 5G era | |
Zhang et al. | Joint optimization of multi-user computing offloading and service caching in mobile edge computing | |
CN107911245A (zh) | 一种芯弹性光网络中虚拟网络映射模型及算法 |
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 |