CN111314960A - 一种雾无线接入网中基于社交意识的协同缓存方法 - Google Patents

一种雾无线接入网中基于社交意识的协同缓存方法 Download PDF

Info

Publication number
CN111314960A
CN111314960A CN202010102697.9A CN202010102697A CN111314960A CN 111314960 A CN111314960 A CN 111314960A CN 202010102697 A CN202010102697 A CN 202010102697A CN 111314960 A CN111314960 A CN 111314960A
Authority
CN
China
Prior art keywords
wireless access
fog wireless
access point
fog
social
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
CN202010102697.9A
Other languages
English (en)
Other versions
CN111314960B (zh
Inventor
蒋雁翔
范宝天
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202010102697.9A priority Critical patent/CN111314960B/zh
Publication of CN111314960A publication Critical patent/CN111314960A/zh
Application granted granted Critical
Publication of CN111314960B publication Critical patent/CN111314960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W28/0289—Congestion control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1044—Group management mechanisms 
    • 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
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种雾无线接入网中基于社交意识的协同缓存方法，包括计算得到雾无线接入点之间的社交关系；根据雾无线接入点之间的社交关系，将所有雾无线接入点划分成若干个不相交的集群，根据得到的集群，计算不同的文件内容传输方式下的时延T和能量消耗E，得到整数规划问题：采用萤火虫算法求解S100得到的整数规划问题，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案；根据内容放置方案进行协同缓存；本发明可以有效地增加雾无线接入点中的内容多样性，提升雾无线接入点之间的合作增益，并且可以在获得最优内容缓存方案的情况下，降低内容的传输延迟，减少整个雾无线网络中的能量消耗。

Description

一种雾无线接入网中基于社交意识的协同缓存方法
技术领域
本发明属于移动通信中边缘计算技术领域，尤其涉及一种雾无线接入网中基于社交意识的协同缓存方法。
背景技术
随着智能移动终端的迅速普及和应用服务的不断发展，无线网络面临着巨大的数据流量压力。前所未有的数据流量，尤其给前传链路带来了巨大的流量拥堵。主要的原因是随着社交网络的发展，越来越多的流量是冗余和重复的。雾无线接入网被认为是一种新兴的网络架构，可以通过配置缓存和计算资源到处于网络边缘的雾无线接入点上，有效地减缓流量拥堵和减少内容传输延时。由于无需从云中心获取文件内容，前传链路中的数据流量可以大幅度减少。
然而，雾无线接入点中受限的缓存容量使得雾网络在流量高峰期仍承受着较大的流量压力。为了充分利用雾无线接入点中有限的缓存空间，协同缓存成为减少流量拥堵的一种重要技术。因为社交首先用来描述用户与用户之间的关系，所以近年来D2D通信技术已经被广泛研究和使用。然而，在雾无线接入点之间如何进行协同缓存，通过怎样的关系实现接入点之间的合作，这些议题使得在接入点层面中基于社交意识的协同缓存方式开始被逐渐关注。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种雾无线接入网中基于社交意识的协同缓存方法，本发明通过研究雾无线接入点之间潜在的社交关系，将社交关系较为亲近的接入点进行聚类，以降低文件内容的传输延迟，减少整个雾无线网络中的能量消耗。
技术方案：一种雾无线接入网中基于社交意识的协同缓存方法，包括以下步骤：
S000：根据雾无线接入点的传输功率和本地内容流行度计算得到各雾无线接入点之间的社会贡献，根据各雾无线接入点与用户之间的内容传输速率计算得到各雾无线接入点之间的社交增益，根据雾无线接入点之间的物理距离、雾无线接入点之间的社会贡献和雾无线接入点之间的社交增益计算得到雾无线接入点之间的社交关系；
S100：根据雾无线接入点之间的社交关系，将所有雾无线接入点划分成若干个不相交的集群，根据划分出的集群以及文件内容的不同传输方式，计算出时延T和能量消耗E，则可得到整数规划问题：
Figure BDA0002387400560000011
其中，xmf表示文件内容f是否已经缓存在雾无线接入点m中，μ表示调整系数；
S200：采用萤火虫算法求解S100得到的整数规划问题，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案；
S300：根据内容放置方案进行协同缓存。
进一步的，所述S000包括以下步骤：根据式(1)计算得到雾无线接入点n对雾无线接入点m所作出的社交贡献：
Figure BDA0002387400560000021
式中，pmf和pnf分别为雾无线接入点m和雾无线接入点n的本地内容流行度，Pm为雾无线接入点m的传输功率，L为文件内容f的大小；
通过香农容量定理，计算得到雾无线接入点m、雾无线接入点n与用户u之间的内容传输速率Rmu和Rnu；根据式(2)计算得到雾无线接入点m对雾无线接入点n的社交增益：
Figure BDA0002387400560000022
式中，R为文件内容f从云中心获取的平均内容传输速率；
根据式(3)计算得到雾无线接入点m对雾无线接入点n的社交关系：
Figure BDA0002387400560000023
式中，lmn为雾无线接入点m和雾无线接入点n之间的距离，lth为距离阈值，δ为调整系数；
根据式(4)计算得到雾无线接入点m和雾无线接入点n之间相互的社交关系：
Figure BDA0002387400560000024
进一步的，所述S100中采用基于享乐联盟博弈的聚类方法将所有雾无线接入点划分成若干个不相交的集群。
进一步的，所述的采用基于享乐联盟博弈的聚类方法将所有雾无线接入点划分成若干个不相交的集群，具体包括以下子步骤：S110：将雾无线接入点集合
Figure BDA0002387400560000026
中所有的雾无线接入点随机划分到若干个不相交的集群中；
S120：遍历所有雾无线接入点，根据式(5)计算得到雾无线接入点对所有集群的社交偏好：
Figure BDA0002387400560000025
式中，Sk表示集群，m表示雾无线接入点，um(n)表示雾无线接入点m和雾无线接入点n之间相互的社交关系；
S130：令雾无线接入点m当前所在集群为SΠ(m)，查找雾无线接入点m的社交偏好大于当前所在集群SΠ(m)的其他集群，得到S个集群；
S140：将被查找得到的S个集群按照雾无线接入点m对其社交偏好大小进行降序排列；
S150：遍历被查找得到的S个集群，判断雾无线接入点m的加入是否影响集群中已有雾无线接入点n对当前所在集群的社交偏好，若不影响，则将雾无线接入点m加入到该集群中，若影响，则不做任何操作；
S160：所有雾无线接入点被遍历完，得到新的集群划分Π；
S170：对于所有的n∈Sk，判断是否存在
Figure BDA0002387400560000031
和
Figure BDA0002387400560000032
使得Sk∪{m}＞mSΠ(m)，且Sk∪{m}≥nSk，若存在，则重复执行S120至S170；若不存在，则最终得到新的集群划分Π。
进一步的，在S100中，所述的根据划分出的集群以及文件内容的不同传输方式，计算出时延T和能量消耗E，则可得到整数规划问题，具体包括以下步骤：
若文件内容f被缓存在用户的本地集群Sk中，则时延T1＝xkfL/Rmu，能量消耗E1＝xkfLPm/Rmu，式中，若文件内容f缓存在集群Sk中，则xkf取1，否则xkf取0，Pm为雾无线接入点m的传输功率，L为文件内容f的大小，雾无线接入点m与用户u之间的内容传输速率Rmu；
若文件内容f被缓存在其他集群Sk′中，则时延
Figure BDA0002387400560000033
Figure BDA0002387400560000034
能量消耗
Figure BDA0002387400560000035
Figure BDA0002387400560000036
式中，Rmn表示两个接入点之间的距离，若文件内容f未缓存在集群Sk中且文件内容f缓存在其他集群Sk′中，xk′f取1，否则取0；
Figure BDA0002387400560000037
计算用户获取内容的平均延时T＝∑u∑f(T1+T2+T3)，平均能量消耗E＝∑u∑f(E1+E2+E3)。
进一步的，所述S200包括以下子步骤：
S210：初始化萤火虫的原始种群，生成G个萤火虫作为S100的整数规划问题的可行解，在每一次迭代过程中，第i个萤火虫记为
Figure BDA0002387400560000038
S220：将Xi在目标函数处的函数值作为该萤火虫的亮度Ii，计算得到种群中所有萤火虫在各自当前位置的亮度；
S230：遍历种群中所有的萤火虫，当萤火虫j的亮度Ij小于萤火虫i的亮度Ii，则根据萤火虫i和j之间的曼哈顿距离rij＝||X i-Xj||1和光吸收系数γ，计算得到萤火虫i对萤火虫j的吸引力
Figure BDA0002387400560000041
S240：基于萤火虫i对萤火虫j的吸引力，将萤火虫j向更亮的萤火虫i移动，并更新萤火虫j的位置：
Xj＝H(Xj+βij(Xi-Xj)+λ(∈-1/2)-1/2) (7)
其中，λ为随机化参数，∈为在[0，1]服从均匀分布的参数，H(·)为Heaviside阶跃函数；
S250：根据雾无线接入点m的本地内容流行度，对更新后的萤火虫位置Xj产生扰动；
S260：判断目标函数值是否收敛或是否达到最大的迭代次数Q，若目标函数值收敛或达到最大的迭代次数Q，则最亮的萤火虫所在位置X*作为协同缓存的内容放置方案，否则重复执行S220至S250。
进一步的所述S250具体包括：
根据每个雾无线接入点的缓存容量C，判断当前迭代中的可行解中的缓存方案是否满足接入点的缓存容量限制：∑f xmfL≤C，若可行解中的缓存方案大于接入点的缓存容量限制，则将缓存方案中被缓存的文件内容按照本地内容流行度进行升序排列，除去多余的、流行度低的文件内容；
若可行解中的缓存方案小于接入点的缓存容量限制，则计算得到雾无线接入点中未被填充的缓存空间，将缓存方案中被缓存的文件内容按照本地内容流行度进行升序排列，并缓存流行度高的文件内容，否则不做处理。
进一步的，所述可行解由0和1构成，通过对可行解中的1进行统计计数，将对超过设定计数的可行解中的缓存方案中被缓存的文件内容作为多余的文件内容进行删除。
有益效果：本发明具有以下优点：
1、利用雾无线接入点之间的距离、本地内容流行度和传输功率来量化接入点之间潜在的社交关系，可以降低内容的传输延迟，减少整个雾无线网络中的能量消耗；
2、通过雾无线接入点之间潜在的社交关系，有效地增加了雾无线接入点中的内容多样性；
3、利用享乐联盟博弈，将社交关系较为亲近的接入点进行聚类，有效地提升了雾无线接入点之间的合作增益；
4、将标准的萤火虫算法进行改进，利用基于本地内容流行度的变异策略有效地避免了早熟收敛，与此同时，可以通过较低的计算复杂度获得一个更优的可行解。
附图说明
图1是本发明基于享乐联盟博弈的聚类算法流程示意图。
图2是本发明改进的萤火虫算法示意图。
图3是本发明与其他缓存策略对收敛速度进行对比的仿真结果图。
具体实施方式
下面结合附图和实施方式进一步阐述本发明。
本发明的一种雾无线接入网中基于社交意识的协同缓存方法，包括以下步骤：
S000：根据雾无线接入点的传输功率、本地内容流行度以及雾无线接入点之间的物理距离，计算得到雾无线接入点之间的社交关系：
根据雾无线接入点m和雾无线接入点n的本地内容流行度pmf和pnf、雾无线接入点m的传输功率以及缓存文件内容f的大小L，当文件内容f从雾无线接入点n传输至雾无线接入点m时，计算出雾无线接入点n对雾无线接入点m所作出的社交贡献
Figure BDA0002387400560000051
Figure BDA0002387400560000052
通过香农容量定理，计算出雾无线接入点m和雾无线接入点n与用户u之间的内容传输速率Rmu和Rnu，再根据文件内容f从云中心获取的平均内容传输速率R，当文件内容f从雾无线接入点n传输至雾无线接入点m时，内容传输延时的减少量作为雾无线接入点m对雾无线接入点n社交关系的增益，计算出社交增益为
Figure BDA0002387400560000053
Figure BDA0002387400560000054
考虑到距离对雾无线接入点之间社交关系的影响，计算出雾无线接入点m对雾无线接入点n的社交关系为：
Figure BDA0002387400560000055
其中，lmn为雾无线接入点m和雾无线接入点n之间的距离，lth为距离阈值，δ为调整系数；
计算出雾无线接入点m和雾无线接入点n之间相互的社交关系：
Figure BDA0002387400560000056
S100：根据雾无线接入点之间的社交关系，采用基于享乐联盟博弈的聚类方案，将所有雾无线接入点划分成若干个不相交的集群；具体操作包括以下子步骤：
S110：将雾无线接入点集合M中所有的雾无线接入点随机划分到若干个不相交的集群中，完成初始化；
S120：遍历所有雾无线接入点，计算得到雾无线接入点m对所有集群的社交偏好
Figure BDA0002387400560000057
S130：查找雾无线接入点m的社交偏好大于当前所在集群SΠ(m)的其他集群Sk，得到S个集群；
S140：将S130找到的S个集群按照雾无线接入点m对其社交偏好的大小进行降序排序；
S150：遍历S个集群，若雾无线接入点m的加入，并未使得集群Sk中任意一个雾无线接入点n对当前集群的社交偏好减少，则允许雾无线接入点m的加入到集群Sk中，即有如下表达SΠ(m)→SΠ(m)\{m}，Sk→SkU{m}；
S160：直至所有雾无线接入点被遍历完，更新集群划分Π。
S170：重复以上步骤S120至S170，直至集群划分Π是个体稳定的。其中，如果不存在
Figure BDA0002387400560000061
和
Figure BDA0002387400560000062
使得Sk∪{m}＞m SΠ(m)，且Sk∪{m}≥nSk(对于所有的n∈Sk)，则认定划分Π是个体稳定的。
S180：根据划分出的集群以及文件内容的不同传输方式，计算不处时延T和能量消耗E，则可得到整数规划问题并求解：
Figure BDA0002387400560000063
其中，xmf表示文件内容f是否已经缓存在接入点m中，μ表示调整系数；
xkf表示文件内容f是否已经缓存在集群Sk中，若文件内容f缓存在集群Sk中，则xkf取1，否则xkf取0；若f已经被缓存在用户的本地集群中，那么内容传输时延T1＝xkfL/Rmu，传输消耗的能量为E1＝xkfLPm/Rmu；
Rmn表示两个接入点之间的距离，若f已经被缓存在其他集群Sk′中，那么内容传输时延
Figure BDA0002387400560000064
传输消耗的能量为
Figure BDA0002387400560000065
xk′f表示文件内容f是否缓存在其他集群Sk′中；若文件内容f未缓存在集群Sk中且文件内容f缓存在其他集群Sk′中，xk′f取1，否则取0；
Ps表示从云中心获取内容的平均传输功率，若被请求的内容仅被缓存在云中心，那么内容传输时延
Figure BDA0002387400560000066
传输消耗的能量为
Figure BDA0002387400560000067
计算用户获取内容的平均传输延时T＝∑u∑f(T1+T2+T3)，以及系统消耗的平均传输能量E＝∑u∑f(E1+E2+E3)；
S200：采用萤火虫算法求解S100得到的整数规划问题，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案；
其中，S200包括以下子步骤：
S210：初始化萤火虫的原始种群，生成G个萤火虫作为整数规划问题的可行解，在每一次迭代过程中，第i个萤火虫为
Figure BDA0002387400560000071
S220：将第i个萤火虫Xi在目标函数处的函数值作为该萤火虫的亮度Ii，计算出种群中所有萤火虫在各自当前位置的亮度；
S230：遍历种群中所有的萤火虫，若萤火虫j的亮度Ij小于萤火虫i的亮度Ii，那么根据萤火虫i和j之间的曼哈顿距离rij＝||Xi-Xj||1以及光吸收系数γ，计算得到萤火虫i对萤火虫j的吸引力
Figure BDA0002387400560000072
S240：萤火虫j向更亮的萤火虫i移动，并更新萤火虫j的位置：
Xj＝H(Xj+βij(Xi-Xj)+λ(∈-1/2)-1/2)
其中，λ为随机化参数，∈为在[0，1]服从均匀分布的参数，H(·)为Heaviside阶跃函数；
S250：根据雾无线接入点m的本地内容流行度，对更新后的萤火虫位置Xj产生扰动，包括
根据每个接入点的缓存容量C，判断当前迭代中的可行解是否满足接入点的缓存容量限制，即∑fxmfL≤C；如果可行解中的缓存方案大于接入点的缓存容量，那么将方案中被缓存的文件内容按照本地内容流行度进行升序排序，除去多余的、流行度低的文件内容；如果可行解中的缓存方案小于接入点的缓存容量，那么计算出接入点中未被填充的缓存空间，将方案中被缓存的文件内容按照本地内容流行度进行升序排序，并缓存流行度高的内容。
在本步骤中，由于文件内容的流行度服从Zipf分布，根据下式计算得到相应内容的流行度数值；
Figure BDA0002387400560000073
式中，α表示斜度参数，Rf表示文件内容f的流行度大小顺序；
在S250中，对流行度低的文件内容和流行度高的文件内容做相应处理。
由于可行解由0和1构成，通过对可行解中的1进行统计计数，对超过设定计数的可行解中的缓存方案中被缓存的文件内容进行删除。
S260：重复步骤S210至S250，直至目标函数值收敛或达到最大的迭代次数Q，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案。
S300：根据内容放置方案进行协同缓存。
由附图3的仿真结果可以看出，与基于鸽群优化算法(Pigeon InspiredOptimization)的缓存方案相比较，本发明所提出的基于社交意识的协同缓存方案可以更快地收敛，并且可以获得一个更优的可行解，其中所述的基于社交意识的协同缓存方案，具体包括基于享乐联盟博弈的聚类算法和改进的萤火虫算法。

Claims (8)

1.一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：包括以下步骤：
S000：根据雾无线接入点的传输功率和本地内容流行度计算得到各雾无线接入点之间的社会贡献，根据各雾无线接入点与用户之间的内容传输速率计算得到各雾无线接入点之间的社交增益，根据雾无线接入点之间的物理距离、雾无线接入点之间的社会贡献和雾无线接入点之间的社交增益计算得到雾无线接入点之间的社交关系；
S100：根据雾无线接入点之间的社交关系，将所有雾无线接入点划分成若干个不相交的集群，根据划分出的集群以及文件内容的不同传输方式，计算出时延T和能量消耗E，则可得到整数规划问题：
Figure FDA0002387400550000011
其中，xmf表示文件内容f是否已经缓存在雾无线接入点m中，μ表示调整系数；
S200：采用萤火虫算法求解S100得到的整数规划问题，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案；
S300：根据内容放置方案进行协同缓存。
2.根据权利要求1所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述S000包括以下步骤：根据式(1)计算得到雾无线接入点n对雾无线接入点m所作出的社交贡献：
Figure FDA0002387400550000012
式中，pmf和pnf分别为雾无线接入点m和雾无线接入点n的本地内容流行度，Pm为雾无线接入点m的传输功率，L为文件内容f的大小；
通过香农容量定理，计算得到雾无线接入点m、雾无线接入点n与用户u之间的内容传输速率Rmu和Rnu；根据式(2)计算得到雾无线接入点m对雾无线接入点n的社交增益：
Figure FDA0002387400550000013
式中，R为文件内容f从云中心获取的平均内容传输速率；
根据式(3)计算得到雾无线接入点m对雾无线接入点n的社交关系：
Figure FDA0002387400550000014
式中，lmn为雾无线接入点m和雾无线接入点n之间的距离，lth为距离阈值，δ为调整系数；
根据式(4)计算得到雾无线接入点m和雾无线接入点n之间相互的社交关系：
Figure FDA0002387400550000021
3.根据权利要求1所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述S100中采用基于享乐联盟博弈的聚类方法将所有雾无线接入点划分成若干个不相交的集群。
4.根据权利要求3所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述的采用基于享乐联盟博弈的聚类方法将所有雾无线接入点划分成若干个不相交的集群，具体包括以下子步骤：S110：将雾无线接入点集合
Figure FDA0002387400550000025
中所有的雾无线接入点随机划分到若干个不相交的集群中；
S120：遍历所有雾无线接入点，根据式(5)计算得到雾无线接入点对所有集群的社交偏好：
Figure FDA0002387400550000022
式中，Sk表示集群，m表示雾无线接入点，um(n)表示雾无线接入点m和雾无线接入点n之间相互的社交关系；
S130：令雾无线接入点m当前所在集群为SΠ(m)，查找雾无线接入点m的社交偏好大于当前所在集群SΠ(m)的其他集群，得到S个集群；
S140：将被查找得到的S个集群按照雾无线接入点m对其社交偏好大小进行降序排列；
S150：遍历被查找得到的S个集群，判断雾无线接入点m的加入是否影响集群中已有雾无线接入点n对当前所在集群的社交偏好，若不影响，则将雾无线接入点m加入到该集群中，若影响，则不做任何操作；
S160：所有雾无线接入点被遍历完，得到新的集群划分Π；
S170：对于所有的n∈Sk，判断是否存在
Figure FDA0002387400550000023
和
Figure FDA0002387400550000024
使得Sk∪{m}＞mSΠ(m)，且Sk∪{m}≥nSk，若存在，则重复执行S120至S170；若不存在，则最终得到新的集群划分Π。
5.根据权利要求1、3或4所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：在S100中，所述的根据划分出的集群以及文件内容的不同传输方式，计算出时延T和能量消耗E，则可得到整数规划问题，具体包括以下步骤：
若文件内容f被缓存在用户的本地集群Sk中，则时延T1＝xkfL/Rmu，能量消耗E1＝xkfLPm/Rmu，式中，若文件内容f缓存在集群Sk中，则xkf取1，否则xkf取0，Pm为雾无线接入点m的传输功率，L为文件内容f的大小，雾无线接入点m与用户u之间的内容传输速率Rmu；
若文件内容f被缓存在其他集群Sk′中，则时延
Figure FDA0002387400550000031
Figure FDA0002387400550000032
能量消耗
Figure FDA0002387400550000033
Figure FDA0002387400550000034
式中，Rmn表示两个接入点之间的距离，若文件内容f未缓存在集群Sk中且文件内容f缓存在其他集群Sk′中，xk′f取1，否则取0；
Figure FDA0002387400550000035
计算用户获取内容的平均延时T＝∑u∑f(T1+T2+T3)，平均能量消耗E＝∑u∑f(E1+E2+E3)。
6.根据权利要求1所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述S200包括以下子步骤：
S210：初始化萤火虫的原始种群，生成G个萤火虫作为S100的整数规划问题的可行解，在每一次迭代过程中，第i个萤火虫记为
Figure FDA0002387400550000036
S220：将Xi在目标函数处的函数值作为该萤火虫的亮度Ii，计算得到种群中所有萤火虫在各自当前位置的亮度；
S230：遍历种群中所有的萤火虫，当萤火虫j的亮度Ij小于萤火虫i的亮度Ii，则根据萤火虫i和j之间的曼哈顿距离rij＝||Xi-Xj||1和光吸收系数γ，计算得到萤火虫i对萤火虫j的吸引力
Figure FDA0002387400550000037
S240：基于萤火虫i对萤火虫j的吸引力，将萤火虫j向更亮的萤火虫i移动，并更新萤火虫j的位置：
Xj＝H(Xj+βij(Xi-Xj)+λ(∈-1/2)-1/2) (7)
其中，λ为随机化参数，∈为在[0，1]服从均匀分布的参数，H(·)为Heaviside阶跃函数；
S250：根据雾无线接入点m的本地内容流行度，对更新后的萤火虫位置Xj产生扰动；
S260：判断目标函数值是否收敛或是否达到最大的迭代次数Q，若目标函数值收敛或达到最大的迭代次数Q，则最亮的萤火虫所在位置X*作为协同缓存的内容放置方案，否则重复执行S220至S250。
7.根据权利要求6所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述S250具体包括：
根据每个雾无线接入点的缓存容量C，判断当前迭代中的可行解中的缓存方案是否满足接入点的缓存容量限制：∑fxmfL≤C，若可行解中的缓存方案大于接入点的缓存容量限制，则将缓存方案中被缓存的文件内容按照本地内容流行度进行升序排列，除去多余的、流行度低的文件内容；
若可行解中的缓存方案小于接入点的缓存容量限制，则计算得到雾无线接入点中未被填充的缓存空间，将缓存方案中被缓存的文件内容按照本地内容流行度进行升序排列，并缓存流行度高的文件内容，否则不做处理。
8.根据权利要求7所述的一种雾无线接入网中基于社交意识的协同缓存方法，其特征在于：所述可行解由0和1构成，通过对可行解中的1进行统计计数，将对超过设定计数的可行解中的缓存方案中被缓存的文件内容作为多余的文件内容进行删除。
CN202010102697.9A 2020-02-19 2020-02-19 一种雾无线接入网中基于社交意识的协同缓存方法 Active CN111314960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010102697.9A CN111314960B (zh) 2020-02-19 2020-02-19 一种雾无线接入网中基于社交意识的协同缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010102697.9A CN111314960B (zh) 2020-02-19 2020-02-19 一种雾无线接入网中基于社交意识的协同缓存方法

Publications (2)

Publication Number Publication Date
CN111314960A true CN111314960A (zh) 2020-06-19
CN111314960B CN111314960B (zh) 2023-04-07

Family

ID=71148033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010102697.9A Active CN111314960B (zh) 2020-02-19 2020-02-19 一种雾无线接入网中基于社交意识的协同缓存方法

Country Status (1)

Country Link
CN (1) CN111314960B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935784A (zh) * 2020-08-12 2020-11-13 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法
CN111970717A (zh) * 2020-08-07 2020-11-20 杭州电子科技大学 基于雾无线接入网中内容缓存和用户-基站关联的方法
CN112887014A (zh) * 2020-10-30 2021-06-01 中科院计算技术研究所南京移动通信与计算创新研究院 卫星链路的拥塞控制方法、装置、终端及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900617A (zh) * 2018-07-03 2018-11-27 东南大学 一种雾无线接入网的三层协作式缓存方法
CN109831791A (zh) * 2019-03-05 2019-05-31 东南大学 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法
CN110062421A (zh) * 2019-04-08 2019-07-26 东南大学 用于雾无线接入网中的鸽群优化算法及基于该算法的协作缓存方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900617A (zh) * 2018-07-03 2018-11-27 东南大学 一种雾无线接入网的三层协作式缓存方法
CN109831791A (zh) * 2019-03-05 2019-05-31 东南大学 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法
CN110062421A (zh) * 2019-04-08 2019-07-26 东南大学 用于雾无线接入网中的鸽群优化算法及基于该算法的协作缓存方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970717A (zh) * 2020-08-07 2020-11-20 杭州电子科技大学 基于雾无线接入网中内容缓存和用户-基站关联的方法
CN111970717B (zh) * 2020-08-07 2022-11-25 杭州电子科技大学 基于雾无线接入网中内容缓存和用户-基站关联的方法
CN111935784A (zh) * 2020-08-12 2020-11-13 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法
CN111935784B (zh) * 2020-08-12 2022-04-22 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法
CN112887014A (zh) * 2020-10-30 2021-06-01 中科院计算技术研究所南京移动通信与计算创新研究院 卫星链路的拥塞控制方法、装置、终端及介质

Also Published As

Publication number Publication date
CN111314960B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111314960B (zh) 一种雾无线接入网中基于社交意识的协同缓存方法
Qian et al. Reinforcement learning-based optimal computing and caching in mobile edge network
CN111556572B (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
CN109639760A (zh) 一种基于深度强化学习的d2d网络中的缓存策略方法
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
CN110233755B (zh) 一种物联网中雾计算的计算资源和频谱资源分配方法
CN112218337A (zh) 一种移动边缘计算中的缓存策略决策方法
CN108600998B (zh) 超密度蜂窝与d2d异构融合网络缓存优化决策方法
CN116156455A (zh) 一种基于联邦强化学习的车联网边缘内容缓存决策方法
CN112202847B (zh) 一种基于移动边缘计算的服务器资源配置方法
CN107864507B (zh) 基于量子猴群搜索机制的认知无线电功率控制方法
CN114863683A (zh) 基于多目标优化的异构车联网边缘计算卸载调度方法
CN112887943B (zh) 一种基于中心度的缓存资源分配方法及系统
CN111447506A (zh) 云边环境下基于延迟和成本均衡的流媒体内容放置方法
Zheng et al. Reinforcement learning for energy-efficient edge caching in mobile edge networks
CN109474664A (zh) 一种异构无线网络中的主动预缓存方法及装置
CN114118444B (zh) 一种利用启发式算法降低联邦学习中设备空跑时间的方法
CN110324175A (zh) 基于边缘缓存的网络节能方法及系统
CN111818119B (zh) 基于改进的蜘蛛集群的数据服务资源优化调度方法
CN111556511B (zh) 一种基于智能边缘缓存的部分机会性干扰对齐方法
CN112286689A (zh) 一种适用于区块链工作量证明的协作式分流与储存方法
Mi et al. Joint caching and transmission in the mobile edge network: An multi-agent learning approach
Huo et al. Cooperative caching scheme based on Hawkes popularity prediction in vehicular networks
CN111160513A (zh) 一种物联网电力宽带载波节能算法
CN112738263B (zh) 基于遗传算法的Fog-RAN网络缓存放置问题的决策方法

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