CN110972227B - 通过机会移动网络卸载蜂窝流量的种子节点选择方法 - Google Patents

Abstract

通过机会移动网络卸载蜂窝流量的种子节点选择方法，通过蜂窝网络传递到移动网络中某些选定的初始种子，然后通过使用机会通信方式免费的传播，移动网络中所有的节点都能够访问蜂窝网络；在考虑直接通过蜂窝网络传输的成本和所传播内容的新鲜度的基础上，找到最佳数量的初始种子，以最大程度地提高总体内容效用值；定义内容效用值增益，计算通过蜂窝网络传递内容的最优副本数量k；基于种子选择方法，来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。本发明方法考虑内容的新鲜度和从蜂窝网络到初始种子的传输成本，为了解决效用优化问题，提出了两种种子选择方法来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。

Description

通过机会移动网络卸载蜂窝流量的种子节点选择方法

技术领域

本发明提出了一种通过机会移动网络卸载蜂窝流量的种子节点选择方法，涉及机会移动网络通信技术领域。

背景技术

近年来，随着移动设备，例如，Ipad，笔记本电脑，智能手机的迅速普及，移动互联网服务正在经历爆炸式增长，并提供各种应用，包括视频、音频和图像。蜂窝网络是当今提供移动互联网服务的最流行的方式，特别是随着5G网络的出现。然而，移动服务和用户需求的爆炸性增长很可能在不久的将来使蜂窝网络过载和拥塞。特别是在高峰时段或城市地区，移动用户可能在低网络带宽，错失语音呼叫，较差的信号覆盖等方面面临极端情况。因此，移动网络运营商(MNO)迫切需要提供有效且有前景的解决方案来减轻蜂窝网络的负担。

移动数据卸载，是指利用互补的网络通信技术来传输原本计划通过蜂窝网络传输的移动流量(参见X.Chen,J.Wu,Y.Cai,H.Zhang,and T.Chen,“Energy-efficiencyoriented traffic offloading in wireless networks:A brief survey and alearning approach for heterogeneous cellular networks,”IEEE Journal onSelected Areas in Communications,vol.33,no.4,pp.627–640,2015.)。随着移动网络流量的持续快速增长，它已成为一个关键的行业领域。蜂窝流量可以通过小型基站(SBS)，Wi-Fi网络或机会移动网络来实现流量卸载。小型基站和Wi-Fi网络已经发展成为成熟的技术，但是小型基站和Wi-Fi网络都依赖于基础架构，并且存在一些缺点，例如，覆盖范围有限以及安装和维护成本高，限制了它们的使用，尤其是在室外和移动环境中。

减轻蜂窝网络流量的另一种流行解决方案是使用机会移动网络(参见Z.Li,Y.Liu,H.Zhu,and L.Sun,“Coff:Contact-duration-aware cellular trafficoffloading over delay tolerant networks,”IEEE Transactions on VehicularTechnology,vol.64,no.11,pp.5257–5268,2015.)。机会移动网络允许间接性连接的用户在彼此之间的通信范围内使用配备有无线接口的便携式设备(例如，蓝牙，Wi-Fi)进行通信(参见F.Xia,B.Jedari,L.T.Yang,J.Ma,and R.Huang,“A signaling game for uncertaindata delivery in selfish mobile social networks,”IEEE Transactions onComputational Social Systems,vol.3,no.2,pp.100–112,2016.)。因此，与通过蜂窝网络将内容单播给每个订阅者不同，基于机会移动网络的数据卸载，可以首先将内容交付给一小部分用户(初始种子)。初始种子通过机会移动网络中的机会转发，将内容进一步免费传播到所有订阅者。内容服务提供商(如多媒体报纸、天气预报、电影预告片等)产生的移动数据流量中，有很大一部分没有严格的实时限制，并且需要向大量用户传输。得益于非实时应用程序的延迟容忍特性，内容服务提供商可以将内容仅交付给选定的初始种子，以减少移动数据流量并从而降低其运营成本。最近的研究成果表明，基于机会移动网络的数据卸载可以显著减少约70％的蜂窝通信量。(参见B.Han,P.Hui,V.S.A.Kumar,M.Marathe,J.Shao,and A.Srinivasan,“Mobile data offloading through opportunistic communicationsand social participation,”IEEE Transactions on Mobile Computing,vol.11,no.5,pp.821–834,2012.)。

基于机会移动网络的数据卸载性能高度取决于初始种子的选择。已经有一些关于该主题的研究。Wang等人提出了几种基于社区的算法来识别初始种子，以尽快将信息扩散到整个网络(参见Y.Wang,G.Cong,G.Song,and K.Xie,“Community-based greedyalgorithm for mining top-k influential nodes in mobile social networks,”inthe 16th ACM SIGKDD international conference on Knowledge discovery and datamining,pp.1039–1048,ACM,2010.)。他们解决了确定多个初始种子的扩散最小化问题。扩散最小化问题反映了信息如何扩散以及如何最小化扩散时间。但是，从总体内容效用值的角度来看，还应该考虑从蜂窝网络到初始种子的传输成本。另外，实际上，用户(或节点)对内容的新鲜度(或传递延迟)很敏感。例如，微博或Facebook上的旧帖子并不那么吸引人，如果这些帖子即将过期，则对用户毫无用处。因此，在总体内容效用的计算中也应考虑内容的新鲜度(参见H.Zhou,J.Wu,H.Zhao,S.Tang,C.Chen,and J.Chen,“Incentive-driven andfreshness-aware content dissemination in selfish opportunistic mobilenetworks,”IEEE Transactions on Parallel and Distributed Systems,vol.26,no.9,pp.2493–2505,2015.)。Liu等提出了一种多源选择方法，该方法考虑了扩散时间和通过蜂窝网络的传输成本来找到K个初始种子(参见B.Liu,W.Zhou,J.Jiang,and K.Wang,“K-source:Multiple source selection for traffic offloading in mobile socialnetworks,”in IEEE WCSP,pp.1–5,IEEE,2016.)。但是，他们都没有考虑内容的新鲜度。

发明内容

鉴于上述问题，本发明提供了一种通过机会移动网络卸载蜂窝流量的种子节点选择方法，该方法基于内容新鲜度感知的种子选择，以找到初始种子的最佳数量和总体种子效用的最大值；同时考虑内容的新鲜度和从蜂窝网络到初始种子的传输成本，为了解决效用优化问题，提出了两种种子选择方法来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。

本发明采取的技术方案为：

通过机会移动网络卸载蜂窝流量的种子节点选择方法，包括以下步骤：

S1：通过蜂窝网络传递到移动网络中某些选定的初始种子，然后通过使用机会通信方式免费的传播，移动网络中所有的节点都能够访问蜂窝网络；

S2：在考虑直接通过蜂窝网络传输的成本和所传播内容的新鲜度的基础上，找到最佳数量的初始种子，以最大程度地提高总体内容效用值；

S3：定义内容效用值增益，计算通过蜂窝网络传递内容的最优副本数量k；

S4：基于种子选择方法，来找到初始种子的最佳数量，使网络中节点总体内容效用值最大化。

本发明一种通过机会移动网络卸载蜂窝流量的种子节点选择方法，技术效果如下：

1)、将新鲜度感知种子选择问题建模为效用优化问题，同时考虑了内容的新鲜度和从蜂窝网络到初始种子的传输成本，并证明该优化问题是一个NP难问题。

2)、提出了两种种子选择方法：贪婪种子选择方法和基于衰减的种子选择方法来解决优化问题。

3)、通过基于真实数据集的仿真实验，证明了不仅在Infocom 06数据集中，而且在MIT Reality数据集中基于衰减的种子选择方法的性能远胜于贪婪的种子选择方法和随机种子选择方法。

附图说明

图1为基于机会移动网络的数据卸载网络场景示意图。

图2(a)为基于贪婪的种子选择方法第一轮种子节点选择示意图；

图2(b)为基于贪婪的种子选择方法第二轮种子节点选择示意图。

图3(a)为基于衰减的种子选择方法第一轮种子节点选择示意图；

图3(b)为基于衰减的种子选择方法第二轮种子节点选择示意图。

图4(a)为在TTL＝2小时时，infocom06数据集中的性能比较示意图。

图4(b)为在TTL＝4小时时，infocom06数据集中的性能比较示意图。

图5(a)为在TTL＝10天时，MIT Reality数据集中的性能比较示意图。

图5(b)为在TTL＝20天时，MIT Reality数据集中的性能比较示意图。

具体实施方式

一种通过机会移动网络卸载蜂窝流量的种子节点选择方法，包括：

(一)、网络场景模型建立：

如图1所示，内容首先通过蜂窝网络传递到移动网络中某些选定的初始种子，然后通过使用机会通信方式免费的传播。移动网络中所有的节点都可以访问蜂窝网络。当任意两个节点处于彼此的通信范围内(处于接触状态)时，它们还可以建立成对双向无线链接。此外，根据移动网络中的节点是否已经获得内容，将其分为两类：活跃节点和非活跃节点。网络中的每一对节点(i,j)都以接触率λ呈指数分布的时间间隔独立于其他节点对，显然从节点i到节点j的预期传递延迟可以计算为

此外，假设一个接触的持续时间与两个连续接触的时间相比可以忽略不计，并且单个块的传输在蜂窝网络和机会移动网络中都是瞬时的。指数接触和接触持续时间可以忽略的假设，是处理机会移动网络的分析工作中的常态。参见W.Gao,Q.Li,B.Zhao,and G.Cao,“Multicasting in delay tolerant networks:asocial network perspective,”in The tenth ACM international symposium onMobile ad hoc networking and computing,pp.299–308,ACM,2009中的记载。

(二)、本发明方法的优化目标：

对于新鲜度感知的种子选择优化问题，其目标是在考虑直接通过蜂窝网络传输的成本和所传播内容的新鲜度的基础上，找到最佳数量的初始种子，使得网络中所有节点的总的内容效用值最大程度地提高。内容传递过程可以描述如下：

首先，在时间0，通过蜂窝接口将内容注入到移动网络的一小部分S∈V(初始种子)中，这些种子成为活跃节点。然后，当活跃节点与非活跃节点发生接触时，内容通过机会通信的方式传输。

在现实中，用户对内容的新鲜度很敏感。因此，当内容在0时刻被交付到所选的初始种子时，其新鲜度值为F，并且内容的新鲜度值随时间递减。当内容的TTL过期时，对应的新鲜度值为0。假设从活跃节点i到非活跃节点j的传递延迟为T，则非活跃节点j内容的新鲜度值可以表示为:

其中，T是从活跃节点i到非活跃节点j的传递延迟，而T是内容的TTL。

值得注意的是，如果非活跃节点j从几个活跃节点接收到相同内容的多个副本，则非活跃节点j仅接收该内容的第一个副本，而忽略相同内容的其他副本。这是因为内容的第一个副本的新鲜度值最大，并且相同内容的其他副本对非活跃节点j无效。因此，有以下表达式：

此外，通过蜂窝网络传送内容不是免费的，如果假设从蜂窝网络向选定的初始种子i传递内容的成本为c，则可以将节点i通过蜂窝网络获取内容的实际收益表示为B(i)＝F-c，而c大于0。

令S为时刻t＝0时刻种子或活跃节点的初始集合。给定一个整数K，本发明的目的是确定一个节点集S，|S|≤K，使得既考虑了通过蜂窝网络的传输成本和卸载内容新鲜度的节点的总体内容效用值最大化。因此，本发明中考虑内容新鲜度的种子选择问题表示为：

s.t.|S|≤K

当B(i)＝F-c时，优化问题可以更改为：

s.t.|S|≤K

很明显，以上优化问题可以转化为一个经典的Max k-cover问题，它是NP-hard问题。因此，本发明提出了两种启发的算法来解决以上优化问题。

(三)、本发明的求解方案：

为了在开始时计算通过蜂窝网络传递内容的最优副本数量，用k表示，首先定义了内容效用值增益的概念。

命题1：将G_K定义为在开始时通过蜂窝网络发送该内容的第k个副本而得到的内容效用值增益，即G_K＝U(S_K)-U(S_K-1)，其中U(S_K)和U(S_K-1)是节点的总体内容效用值，当分别在开始时通过蜂窝网络传递内容的k和k-1副本时，S_K和S_K-1分别表示k和k-1个选定初始种子的集合。然后，可以根据以下公式计算G_K：

1.贪婪的种子选择方法：

在本发明中，提出了一种基于新鲜值的中心性度量标准，称为“新鲜度中心性”(FC)，其表示为：

其中N(i)是节点i的一跳邻居的集合。

每个节点首先计算到其相邻节点的预期传递延迟，然后每个节点将根据等式(1)获得新鲜度值F，并根据等式(6)获得FC值。根据FC的值，贪婪的种子选择方法采用迭代选择FC最大的节点作为初始种子。重复上述过程直到G_K＝0。

2.基于衰变的种子选择方法：

上面的贪婪种子选择方法非常简单，效果不佳，因此提出了一种基于衰减的种子选择方法。

基于衰减的种子选择方法的详细过程分为以下四个步骤：

1)初始化：类似于贪婪的种子选择方法，每个节点计算到其相邻节点的预期传递延迟，然后每个节点将根据等式(1)获得新鲜度值F，并根据等式(6)获得FC值。在这里，使用成对的新鲜度值F表示选择能力。

2)选择：根据步骤1中计算出的FC值，选择FC最大的节点作为初始种子。该节点将不参与后续的选择回合，即从现在开始其选择能力将为零。

3)更新：在步骤2中削弱所选节点的邻居的选择能力。除非F已减小为零，否则用F更新所选节点的邻居的成对新鲜度值F，其中f是介于0和1之间的减小因子。

4)重复步骤2到3，直到G_K＝0。

实施例：

图1给出了基于机会移动网络的数据卸载网络场景的例子。在时间0产生一个内容，内容提供商需要在内容的生存时间内将其分发到网络中的所有节点。在时间0，通过蜂窝接口将内容注入到网络的一小部分S∈V(初始种子)中，这些种子成为活跃节点。然后，当活跃节点与非活跃节点发生接触时，内容通过机会通信的方式传输。

在实验评估中，根据优化问题，使用总体内容效用值U(S)作为性能指标。将提出的贪婪种子选择方法和基于衰变的种子选择方法与随机种子选择方法进行比较，在随机种子选择方法中，初始种子是随机选择的。接下来，使用Greedy表示贪婪种子选择方法，使用Decay表示基于衰减的种子选择方法，使用Random表示随机种子选择方法。

图2(a)、图2(b)显示了使用贪婪种子选择方法在一个小型网络上选择两个初始种子，图2(a)和图2(b)分别代表选择的第一轮和第二轮。在第一轮中，选择节点3作为初始种子，因为FC(3)＝F(32)+F(34)+F(38)+F(39)＝0.56+0.75+0.86+0.37＝2.54为最大值。在第二轮中，选择节点1作为初始种子，因为FC(1)＝F(12)+F(18)+F(19)＝0.57+0.68+0.65＝1.9最大。

图3(a)、图3(b)显示了使用基于衰减的种子选择方法在具有9个节点的小型网络上选择两个初始种子，图3(a)和图3(b)分别代表选择的第一轮和第二轮。在第一轮中，类似于贪婪种子选择方法中的过程，选择节点3作为初始种子。在第二轮中，节点3将不参与后续选择，并且节点3的邻居将使用F-f更新其新鲜度值F，f值设置为0.2。然后，不同于贪婪的种子选择方法，节点5被选为第二轮的初始种子，因为FC(5)＝F(54)+F(56)+F(57)＝0.32+0.7+0.42＝1.44是最大的。

图4(a)、图4(b)显示了提出的方法在infocom 06数据集中(F₀＝1，c＝1,f＝0.6)，当TTL不同时的性能比较。可以发现，在infocom06数据集中，与Greedy和Random相比，Decay的最大总体内容效用值U(S)要远远大于Greedy和Random。当种子数少于3时，Decay的总体内容效用值随初始种子数的增加而增加。当初始种子数为3时，Decay的总体内容效用达到最大值。当TTL为2小时时，U(S)＝28.6247；当TTL为4小时时，U(S)＝38.203。初始种子大于3，随着初始种子数量的增加，Greedy的总体内容效用值降低。因此，Decay比Greedy和Random更接近于最佳策略，并且3是满足G_K＝0的Greedy中k的最佳值。

图5(a)、图5(b)显示了当TTL不同时，在MIT Reality数据集中不同方法的性能比较(F₀＝1，c＝1,f＝0.6)。可以发现，与Greedy和Random相比，Decay在MIT Reality数据集中表现最佳。与图4(a)、图4(b)中的结果相似，对于TTL＝10天，当初始种子数为2时，Decay的总体内容效用值达到最大值U(S)＝31.7484。大于2时，Decay的总体内容效用值随初始种子数的增加而降低。对于TTL＝20天，当初始种子数小于4时，Decay的总体内容效用值随初始种子数的增加而增加。当初始种子数为4时，Decay的总体内容效用值达到最大值U(S)＝36.9032。当种子数大于4时，Decay的总体内容效用值随数量的增加而降低。因此，Decay比Greedy和Random更接近于最佳策略，当TTL为10天时，满足G_K＝0的Decay中k的最优值是2，而当TTL为20天时，满足G_K＝0的Decay中k的最优值是4。

Claims (5)

1.通过机会移动网络卸载蜂窝流量的种子节点选择方法，其特征在于包括以下步骤：

S1：通过蜂窝网络传递到移动网络中某些选定的初始种子，然后通过使用机会通信方式免费的传播，移动网络中所有的节点都能够访问蜂窝网络；

S2：在考虑直接通过蜂窝网络传输的成本和所传播内容的新鲜度的基础上，找到最佳数量的初始种子，以最大程度地提高总体内容效用值；

所述S2中，当内容在0时刻被交付到所选的初始种子时，其新鲜度值为F₀，并且内容的新鲜度值随时间递减，当内容的TTL过期时，对应的新鲜度值为0；假设从活跃节点i到非活跃节点j的传递延迟为T_ij，则非活跃节点j内容的新鲜度值能够表示为:

其中，T_ij是从活跃节点i到非活跃节点j的传递延迟，而T是内容的TTL；

如果非活跃节点j从几个活跃节点接收到相同内容的多个副本，则非活跃节点j仅接收该内容的第一个副本，而忽略相同内容的其他副本，因为内容的第一个副本的新鲜度值最大，并且相同内容的其他副本对非活跃节点j无效，因此有以下表达式：

通过蜂窝网络传送内容不是免费的，假设从蜂窝网络向选定的初始种子i传递内容的成本为c，则能够将活跃节点i通过蜂窝网络获取内容的实际收益表示为B(i)＝F0-c，而c大于0；

令S为时刻t＝0时刻种子或活跃节点的初始集合，给定一个整数K，确定一个节点集S，|S|≤K，使得既考虑了通过蜂窝网络的传输成本和卸载内容新鲜度的节点的总体内容效用值最大化，考虑内容新鲜度的种子选择问题表示为：

s.t.|S|≤K；

当B(i)＝F₀-c时，优化问题能够更改为：

s.t.|S|≤K；

S3：定义内容效用值增益，计算通过蜂窝网络传递内容的最优副本数量k；

所述S3中，定义内容效用值增益：

将G_K定义为在开始时通过蜂窝网络发送该内容的第k个副本而得到的内容效用值增益，即G_K＝U(S_K)-U(S_K-1)，其中，U(S_K)和U(S_K-1)是节点的总体内容效用值，当分别在开始时通过蜂窝网络传递内容的k和k-1副本时，S_K和S_K-1分别表示k和k-1个选定初始种子的集合，然后根据以下公式计算G_K：

S4：基于种子选择方法，来找到初始种子的最佳数量，使网络中节点的总体内容效用值最大化。

2.根据权利要求1所述通过机会移动网络卸载蜂窝流量的种子节点选择方法，其特征在于：所述S1中，根据移动网络中的节点是否已经获得内容，将其分为两类：活跃节点和非活跃节点，网络中的每一对节点(i,j)都以接触率λ_ij呈指数分布的时间间隔，独立于其他节点对，从节点i到节点j的预期传递延迟能够计算为

3.根据权利要求1所述通过机会移动网络卸载蜂窝流量的种子节点选择方法，其特征在于：所述S2中，所传播内容传递过程描述为：首先，在时间0，通过蜂窝网络接口将内容注入到移动网络的一小部分S∈V，即初始种子中，这些初始种子成为活跃节点；然后，当活跃节点与非活跃节点发生接触时，内容通过机会通信的方式传输。

4.根据权利要求1所述通过机会移动网络卸载蜂窝流量的种子节点选择方法，其特征在于：所述S4中，贪婪种子选择方法：

提出了一种基于新鲜值的中心性度量标准，称为新鲜度中心性FC，其表示为：

其中，N(i)是节点i的一跳邻居的集合；

每个节点首先计算到其相邻节点的预期传递延迟，然后每个节点将根据等式(1)获得新鲜度值F，并根据等式(6)获得FC值；贪婪种子选择方法采用迭代选择FC最大的节点作为初始种子，重复上述过程直到G_K＝0。

5.根据权利要求1所述通过机会移动网络卸载蜂窝流量的种子节点选择方法，其特征在于：所述S4中，基于衰减的种子选择方法，包括以下步骤：

S4.1、初始化：每个节点计算到其相邻节点的预期传递延迟，然后每个节点将根据式(1)获得新鲜度值F，并根据式(6)获得FC值；使用成对的新鲜度值F表示选择能力；S4.2、选择：根据S4.1中计算出的FC值，选择FC最大的节点作为初始种子；该节点将不参与后续的选择回合，即从现在开始其选择能力将为零；

S4.3、更新：在S4.2中削弱所选节点的邻居的选择能力；除非F已减小为零，否则用F更新所选节点的邻居的成对新鲜度值F，其中f是介于0和1之间的减小因子；

S4.4、重复S4.2到S4.3，直到G_K＝0。

Images