CN111970717B - 基于雾无线接入网中内容缓存和用户-基站关联的方法 - Google Patents
基于雾无线接入网中内容缓存和用户-基站关联的方法 Download PDFInfo
- Publication number
- CN111970717B CN111970717B CN202010787410.0A CN202010787410A CN111970717B CN 111970717 B CN111970717 B CN 111970717B CN 202010787410 A CN202010787410 A CN 202010787410A CN 111970717 B CN111970717 B CN 111970717B
- Authority
- CN
- China
- Prior art keywords
- user
- base station
- file
- association
- content 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.)
- Active
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
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于雾无线接入网中内容缓存和用户‑基站关联的方法,包括步骤:S11.建立系统模型,得到用户文件请求服务时延以及获取文件后的用户效用;S12.根据得到的用户文件请求服务时延以及获取文件后的用户效用计算用户效率,并根据计算得到的用户效率建立内容缓存和用户‑基站关联的联合优化模型;S13.根据建立的内容缓存和用户‑基站关联的联合优化模型求解基站最佳的内容缓存方案,得到基站最佳的内容缓存方案,并根据得到的内容缓存方案求解用户‑基站之间的关联匹配问题,得到内容缓存和用户‑基站关联的优化算法;S14.根据得到的内容缓存和用户‑基站关联的优化算法求解原优化问题。
Description
技术领域
本发明涉及内容缓存和用户-基站关联技术领域,尤其涉及基于雾无线接入网中内容缓存和用户-基站关联的方法。
背景技术
随着面向消费者的多媒体应用的爆炸性增长,大规模的移动终端设备需要通过无线信道连接到通信网络,这导致了高速或超低延迟数据流量的快速增长。这种流量的激增不仅取决于日益增长的用户需求,更大程度上是因为流行内容的重复传输。为了解决这一问题,所提出的雾无线接入网络(Fog-RANs)网络架构,通过网络中的边缘节点缓存流行内容,最终将流行内容推向用户,有效地缓解了流量压力,降低了用户的延迟感知,获得日益广泛的关注。但仍然存在诸多亟待解决的问题。一方面,基于固定的用户-基站(BS)关联方案,对于一些特殊情况仍然不适用。例如某基站下的所有服务用户同时发起获取文件的请求,此时很有可能就会造成网络的拥塞。另一方面,每个用户在与基站进行关联选择时,不仅要考虑文件下载的时延,还要考虑文件下载的成本。因此,如何在时延与成本之间进行均衡选择成为了一个热点问题。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种基于雾无线接入网中内容缓存和用户-基站关联的方法,针对缓存容量受限的Fog-RANs,将内容缓存和用户-基站关联进行联合优化,以最大化用户获取请求文件的平均用户效率,并且提出了一种PA算法来解决该优化问题。
为了实现以上目的,本发明采用以下技术方案:
基于雾无线接入网中内容缓存和用户-基站关联的方法,包括步骤:
S1.建立系统模型,得到用户文件请求服务时延以及获取文件后的用户效用;
S2.根据得到的用户文件请求服务时延以及获取文件后的用户效用计算用户效率,并根据计算得到的用户效率建立内容缓存和用户-基站关联的联合优化模型;
S3.根据建立的内容缓存和用户-基站关联的联合优化模型求解基站最佳的内容缓存方案,得到基站最佳的内容缓存方案,并根据得到的内容缓存方案求解用户-基站之间的关联匹配问题,得到内容缓存和用户-基站关联的优化算法;
S4.根据得到的内容缓存和用户-基站关联的优化算法求解原优化问题。
进一步的,所述步骤S1中得到用户文件请求服务时延,具体为:
其中hkm表示用户uk和BS Am之间的信道系数。
令Dknm表示用户uk将文件fn从内容服务器下载到关联BS Am的额外延迟,所以用户uk请求文件fn的服务时延Dnk表示如下:
其中,BS表示基站;基站BS的集合表示为A={A1,A2,…,Am,…,AN};表示为用户uk提供服务的BS集合;表示BS Am服务覆盖范围内的用户集合;文件集表示为F={f1,f2,…,fn,…fN},|fn|表示文件fn的大小;Pnk表示文件的流行度。
进一步的,所述步骤S1中获取文件后的用户效用,具体为:
设AnPnk表示用户uk获取到文件fn的收益,其中An是一个标量,用户uk获取到文件fn的用户效用表示为:
其中,表示BS Am单位内存的缓存价格;Bn表示缓存价格在总成本中重要性的权重因子;dkm表示用户uk和BS Am之间的距离;Lm表示BS Am的单位距离传输价格;Dmc表示BS Am与云端之间的距离;Lc表示云端的单位距离传输价格。
进一步的,所述步骤S2中计算用户效率,表示为:
其中,ηnk表示用户uk获取文件fn的用户效率。
进一步的,所述步骤S2中建立内容缓存和用户-基站关联的联合优化模型,表示为:
xmn,lkm∈{0,1} (5.4)
其中,公式5.1表示BS的缓存容量约束,即每个BS缓存的文件不能超过本身的最大容量;公式5.2表示BS服务的用户数量约束;公式5.3表示每个用户只能选择服务范围内的一个BS为其提供服务;公式5.4表示缓存变量xmn和关联变量lkm均是二元变量。
进一步的,所述步骤S3中得到基站最佳的内容缓存方案,具体为:
原优化问题重新表示为:
xmn∈{0,1} (6.2)
定义基础集E,表示为:
每个BS的所有可能缓存事件Em表示为:
进一步的,所述步骤S3中求解基站最佳的内容缓存方案的求解方法具体为:
进一步的,所述步骤S3中得到内容缓存和用户-基站关联的优化算法,具体为:
当内容缓存方案X被确定,则用户关联问题被解耦,原优化问题可以被重新表示为:
lkm∈{0,1} (11.3)
进一步的,所述步骤S3中根据得到的内容缓存方案求解用户-基站之间的关联匹配问题的求解方法具体包括:
B4.用户向指针指向的BS发送关联请求,更新flagk=1,BS判断收到的请求数量是否超出自己的服务限制;若在限制内,接收所有用户请求,否则根据偏好列表拒绝排名靠后的用户;被拒绝的用户对应偏好列表中的指针向后移一位,并设置flagk=0;
B5.判断每个用户的flagk是否等于0;若等于0,则重复步骤B4;若否,则指针保持不动;
进一步的,所述步骤S4具体为:
C2.while(|ΔU(t)|>ξ):
C3.用户-BS关联子问题:执行步骤B1-B6,得到最佳的用户基站关联方案L;
C5.计算平均用户效率的变化量:ΔU(t+1)=U(t+1)-U(t);
C6.t=t+1;
与现有技术相比,本发明具有以下优点:
1.本发明在基站缓存容量受限的情况下,考虑用户与基站的动态关联匹配,从而实现了基站内容缓存和用户-基站关联的联合优化。
2.在本发明中,引入了用户效率的概念,从而实现用户获取请求文件的用户效用和在该效用之下的时延之间的均衡。
附图说明
图1是实施例一提供的基于雾无线接入网中内容缓存和用户-基站关联的方法流程图;
图2为实施例一提供的系统模型示意图;
图3为实施例一提供的算法的收敛性示意图。
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。
本发明的目的是针对现有技术的缺陷,提供了基于雾无线接入网中内容缓存和用户-基站关联的方法。
实施例一
本实施例提供一种基于雾无线接入网中内容缓存和用户-基站关联的方法,如图1所示,包括步骤:
S11.建立系统模型,得到用户文件请求服务时延以及获取文件后的用户效用;
S12.根据得到的用户文件请求服务时延以及获取文件后的用户效用计算用户效率,并根据计算得到的用户效率建立内容缓存和用户-基站关联的联合优化模型;
S13.根据建立的建立内容缓存和用户-基站关联的联合优化模型求解基站最佳的内容缓存方案,得到基站最佳的内容缓存方案,并根据得到的内容缓存方案求解用户-基站之间的关联匹配问题,得到内容缓存和用户-基站关联的优化算法;
S14.根据得到的内容缓存和用户-基站关联的优化算法求解原优化问题。
本实施例适用于Fog-RANs,系统模型如图2所示。由M个边缘节点(即BS)和K个移动用户组成。每个用户可以在一个或多个BS服务覆盖范围之内,可根据与BS之间的距离,信道状态等信息选择与哪个BS关联。
在步骤S11中,建立系统模型,得到用户文件请求服务时延以及获取文件后的用户效用。
建立系统模型,推导出用户文件请求服务时延以及获取文件后用户效用的表达式。
定义用户集为U={u1,u2,…,uk,,…,uK},基站BS集合为A={A1,A2,…,Am,…,AM},表示可为用户uk提供服务的BS集合,表示BS Am服务覆盖范围内的用户集合。用户与BS之间的关联性由K×M维的关联矩阵L来表示,其中每个二进制元素lkm表示用户uk是否与BS Am关联。
文件集为F={f1,f2,…,fn,…fN},其中|fn|表示文件fn的大小,Pnk表示文件的流行度。BS Am有有限的缓存容量Qm,可以在非高峰期提前缓存流行内容。BS与文件的关联性可由M×N维的缓存矩阵X来表示,其中每个二进制元素xmn表示BS Am是否提前缓存了文件fn。
其中,hkm表示用户uk和BS Am之间的信道系数。
令Dknm表示用户uk将文件fn从内容服务器下载到关联BS Am的额外延迟,所以用户uk请求文件fn的服务时延Dnk表示如下:
设AnPnk表示用户uk获取到文件fn的收益,其中An是一个标量。所以用户uk获取到文件fn的用户效用为:
其中,表示BS Am单位内存的缓存价格,与本身的有限缓存容量有关,Bn是标量,表示缓存价格在总成本中重要性的权重因子。参考理想网络延迟模型,BS和云端的传输成本定义为距离的线性函数。dkm表示用户uk和BS Am之间的距离,Lm表示BS Am的单位距离传输价格,与基站的发射功率以及两者之间的信道状态信息等有关。Dmc表示BS Am与云端之间的距离。Lc表示云端的单位距离传输价格,一般与文件的流行度以及网络带宽资源等相关。
在步骤S12中,根据得到的用户文件请求服务时延以及获取文件后的用户效用计算用户效率,并根据计算得到的用户效率建立内容缓存和用户-基站关联的联合优化模型。
基于系统模型,定义用户效率的概念,并以最大化用户的平均用户效率为目标函数,建立了内容缓存和用户-基站关联的联合优化模型。
在本实施例中,为了同时表征获取请求文件的用户效用,以及获得该效用的延迟,引入用户效率的概念,即用户花费单位时间获得的用户效用。具体表示如下:
其中,ηnk表示用户uk获取文件fn的用户效率。
基于对系统模型的讨论,联合优化问题建模如下:
xmn,lkm∈{0,1} (5.4)
其中,公式(5.1)表示BS的缓存容量约束,即每个BS缓存的文件不能超过本身的最大容量;公式(5.2)表示BS服务的用户数量约束;公式(5.3)表示每个用户只能选择服务范围内的一个BS为其提供服务;公式(5.4)代表缓存变量xmn和关联变量lkm均是二元变量。
在步骤S13中,根据建立的建立内容缓存和用户-基站关联的联合优化模型求解基站最佳的内容缓存方案,得到基站最佳的内容缓存方案,并根据得到的内容缓存方案求解用户-基站之间的关联匹配问题,得到内容缓存和用户-基站关联的优化算法。
由于联合优化问题为一混合整数非线性规划问题,所以将原始优化问题分解为以下两个子问题:(1)在用户-基站关联方案给定的情况下求解基站最佳的内容缓存方案;(2)基于给定的内容缓存方案,求解用户-基站之间的关联匹配问题;
在用户-基站关联方案给定的情况下最佳的内容缓存方案计算方法如下:
原优化问题可重新被表示为:
xmn∈{0,1} (6.2)
定义一个基础集E,如下所示:
具体求解步骤总结为算法1,如下所示:
基于给定的内容缓存方案,用户-基站之间的关联匹配问题的计算方法如下:
当内容缓存方案X被确定,则用户关联问题被解耦,原优化问题可以被重新表示为:
lkm∈{0,1} (11.3)
首先,生成两个偏好列表,即用户对BS的偏好列表和BS对用户的偏好列表按偏好从大到小进行排列。在系统缓存策略已知的情况下,偏好列表可根据计算用户从关联的BS获取请求文件的用户效率来获得。具体的有,用户从服务范围内的某个基站获取文件的用户效率越高,则用户更愿意与该基站进行关联。而可根据BS与其服务范围内的不同用户之间的距离以及信道增益系数来获得。具体的有,对于服务的用户距离越远,信道衰弱越大,则基站传输文件的成本就越高,则对该用户的偏好度就越低。给每个用户的偏好列表都设定一个指针,并初始化指向列表的第一个元素。用户向指针指向的BS发送关联请求,BS收集所有用户的请求关联,如果请求的用户数超出服务数量限制,则BS根据偏好列表拒绝排名靠后的用户。
具体求解步骤总结为算法2,如下所示:
B4.用户向指针指向的BS发送关联请求,更新flagk=1,BS判断收到的请求数量是否超出自己的服务限制。若在限制内,接收所有用户请求,否则根据偏好列表拒绝排名靠后的用户。被拒绝的用户对应偏好列表中的指针向后移一位,并设置flagk=0;
B5.判断每个用户的flagk是否等于0。若等于0,则重复步骤4,否则指针保持不动;
在步骤S14中,根据得到的内容缓存和用户-基站关联的优化算法求解原优化问题。
提出了一种联合内容缓存和用户-基站关联的优化算法PA来求解原优化问题。具体实现步骤如下:
C2.while(|ΔU(t)|>ξ):
C3.用户-BS关联子问题:调用算法2(步骤B1-B6),得到最佳的用户基站关联方案L;
C5.计算平均用户效率的变化量:ΔU(t+1)=U(t+1)-U(t);
C6.t=t+1;
C7.end;
具体为,为了求解步骤S13中的联合优化问题,首先要初始化缓存方案,设置和其次根据算法2求解出对应的最佳用户-基站关联方案L。当用户-基站关联子问题解决后,基于算法1得到最佳的缓存方案和重复上述子问题的求解过程,直至内容缓存方案和用户-基站关联方案保持不变,则表示本实施例提出的算法已经收敛,系统达到了最优。
本实施例还对提出的PA算法进行了收敛性仿真,假定相邻BS之间的距离为200米,每个BS可以为半径为150米的圆形小区中的用户提供服务。所有用户均匀且独立分布,且每个用户请求的文件服从参数为rk的齐夫分布(Zipf)。设置M=16,K=200,Dknm=40s。Gm=50,系统带宽B=5MHz,文件大小|fn|是50:80Mbits中的一个随机数。路损因子设为3.5,用户与BS之间的信道增益hkm服从均值为1的标准指数分布。假设采用适当的调度策略不会引起小区间干扰,并且设置BS发射功率以确保小区边缘的平均接收SNR等于0dB。分别设置An=50,Bn=1,Lc=0.001,Lm是区间0.003:0.017中的随机数以保证每个BS的单位距离传输价格不同,Dmc是区间1000:3000的随机数。基于Zipf的理论,设用户uk请求文件fn的概率为其中ζ(n)表示文件fn在用户uk请求的文件分布中的喜好排名,每个用户具有不同的文件请求分布。
设置N=20,rk=0.65,仿真结果如图3所示。从横向来看,不管BS的缓存容量是多少,该算法都能快速迭代至收敛。从纵向来看,用户的平均用户效率随着BS缓存容量的增大而增加,且增加的速度与容量的大小呈负相关。这是因为每个用户对文件的偏好相对集中,当排名靠前的文件已经被缓存时,BS容量增大,继续缓存排名靠后的文件对用户的增益逐渐减少。
本实施例与现有技术相比有如下优点:
1.本实施例在基站缓存容量受限的情况下,考虑用户与基站的动态关联匹配,从而实现了基站内容缓存和用户-基站关联的联合优化。
2.在本实施例中,引入了用户效率的概念,从而实现用户获取请求文件的用户效用和在该效用之下的时延之间的均衡。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.基于雾无线接入网中内容缓存和用户-基站关联的方法,其特征在于,包括步骤:
S1.建立系统模型,得到用户文件请求服务时延以及获取文件后的用户效用;
S2.根据得到的用户文件请求服务时延以及获取文件后的用户效用计算用户效率,并根据计算得到的用户效率建立内容缓存和用户-基站关联的联合优化模型;
S3.根据建立的内容缓存和用户-基站关联的联合优化模型求解基站最佳的内容缓存方案,得到基站最佳的内容缓存方案,并根据得到的内容缓存方案求解用户-基站之间的关联匹配问题,得到内容缓存和用户-基站关联的优化算法;
S4.根据得到的内容缓存和用户-基站关联的优化算法求解原优化问题;
步骤S1中得到用户文件请求服务时延,具体为:
其中hkm表示用户uk和BS Am之间的信道系数,xmn是缓存变量,lkm是关联变量;
令Dknm表示用户uk将文件fn从内容服务器下载到关联BS Am的额外延迟,所以用户uk请求文件fn的服务时延Dnk表示如下:
其中,BS表示基站;基站BS的集合表示为A={A1,A2,…,Am,…,ANM};表示为用户uk提供服务的BS集合;表示BS Am服务覆盖范围内的用户集合;文件集表示为F={f1,f2,…,fn,…fNN},|fn|表示文件fn的大小;Pnk表示文件的流行度;
步骤S1中获取文件后的用户效用,具体为:
设AnPnk表示用户uk获取到文件fn的收益,其中An是一个标量,用户uk获取到文件fn的用户效用表示为:
其中,表示BS Am单位内存的缓存价格;Bn表示缓存价格在总成本中重要性的权重因子;dkm表示用户uk和BS Am之间的距离;Lm表示BS Am的单位距离传输价格;Dmc表示BS Am与云端之间的距离;Lc表示云端的单位距离传输价格;
步骤S2中计算用户效率,表示为:
其中,ηnk表示用户uk获取文件fn的用户效率;
步骤S2中建立内容缓存和用户-基站关联的联合优化模型,表示为:
xmn,lkm∈{0,1} (5.4)
其中,Qm是缓存容量,公式(5.1)表示BS的缓存容量约束,即每个BS缓存的文件不能超过本身的最大容量;公式(5.2)表示BS服务的用户数量约束;公式(5.3)表示每个用户只能选择服务范围内的一个BS为其提供服务;公式(5.4)表示缓存变量xmn和关联变量lkm均是二元变量;
步骤S3中得到基站最佳的内容缓存方案,具体为:
原优化问题重新表示为:
xmn∈{0,1} (6.2)
定义基础集E,表示为:
每个BS的所有可能缓存事件Em表示为:
3.根据权利要求2所述的基于雾无线接入网中内容缓存和用户-基站关联的方法,其特征在于,步骤S3中得到内容缓存和用户-基站关联的优化算法,具体为:
当内容缓存方案X被确定,则用户关联问题被解耦,原优化问题被重新表示为:
lkm∈{0,1} (11.3)
4.根据权利要求3所述的基于雾无线接入网中内容缓存和用户-基站关联的方法,其特征在于,步骤S3中根据得到的内容缓存方案求解用户-基站之间的关联匹配问题的求解方法具体包括:
B4.用户向指针指向的BS发送关联请求,更新flagk=1,BS判断收到的请求数量是否超出自己的服务限制;若在限制内,接收所有用户请求,否则根据偏好列表拒绝排名靠后的用户;被拒绝的用户对应偏好列表中的指针向后移一位,并设置flagk=0;
B5.判断每个用户的flagk是否等于0;若等于0,则重复步骤B4;若否,则指针保持不动;
5.根据权利要求4所述的基于雾无线接入网中内容缓存和用户-基站关联的方法,其特征在于,步骤S4具体为:
C2.while(|ΔU(t)|>ξ):
C3.用户-BS关联子问题:执行步骤B1-B6,得到最佳的用户基站关联方案L;
C5.计算平均用户效率的变化量:ΔU(t+1)=U(t+1)-U(t);
C6.t=t+1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010787410.0A CN111970717B (zh) | 2020-08-07 | 2020-08-07 | 基于雾无线接入网中内容缓存和用户-基站关联的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010787410.0A CN111970717B (zh) | 2020-08-07 | 2020-08-07 | 基于雾无线接入网中内容缓存和用户-基站关联的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111970717A CN111970717A (zh) | 2020-11-20 |
CN111970717B true CN111970717B (zh) | 2022-11-25 |
Family
ID=73364646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010787410.0A Active CN111970717B (zh) | 2020-08-07 | 2020-08-07 | 基于雾无线接入网中内容缓存和用户-基站关联的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111970717B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112822726B (zh) * | 2020-12-31 | 2022-06-10 | 杭州电子科技大学 | 一种Fog-RAN网络缓存放置问题的建模和决策方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2779756A1 (en) * | 2013-03-15 | 2014-09-17 | Alcatel Lucent | Control of user equipment to base station association to optimise network capacity utilisation |
CN107548102A (zh) * | 2017-08-16 | 2018-01-05 | 北京邮电大学 | 一种边缘缓存网络中最小化用户时延的基站缓存方法 |
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 |
WO2018218850A1 (zh) * | 2017-05-31 | 2018-12-06 | 上海交通大学 | 文件大小异构的分布式编码缓存放置方法及系统 |
CN109873869A (zh) * | 2019-03-05 | 2019-06-11 | 东南大学 | 一种雾无线接入网中基于强化学习的边缘缓存方法 |
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 |
CN111314960A (zh) * | 2020-02-19 | 2020-06-19 | 东南大学 | 一种雾无线接入网中基于社交意识的协同缓存方法 |
-
2020
- 2020-08-07 CN CN202010787410.0A patent/CN111970717B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2779756A1 (en) * | 2013-03-15 | 2014-09-17 | Alcatel Lucent | Control of user equipment to base station association to optimise network capacity utilisation |
WO2018218850A1 (zh) * | 2017-05-31 | 2018-12-06 | 上海交通大学 | 文件大小异构的分布式编码缓存放置方法及系统 |
CN107548102A (zh) * | 2017-08-16 | 2018-01-05 | 北京邮电大学 | 一种边缘缓存网络中最小化用户时延的基站缓存方法 |
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 |
CN109873869A (zh) * | 2019-03-05 | 2019-06-11 | 东南大学 | 一种雾无线接入网中基于强化学习的边缘缓存方法 |
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 |
CN111314960A (zh) * | 2020-02-19 | 2020-06-19 | 东南大学 | 一种雾无线接入网中基于社交意识的协同缓存方法 |
Non-Patent Citations (1)
Title |
---|
基于实测数据集预测用户请求行为对主动边缘缓存的影响;戚凯强等;《信号处理》;20190425(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111970717A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112492626B (zh) | 一种移动用户计算任务的卸载方法 | |
CN109194763B (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
CN108834080B (zh) | 异构网络中基于多播技术的分布式缓存和用户关联方法 | |
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 | |
CN112218337A (zh) | 一种移动边缘计算中的缓存策略决策方法 | |
CN114863683B (zh) | 基于多目标优化的异构车联网边缘计算卸载调度方法 | |
CN109905864A (zh) | 一种面向电力物联网的跨层资源分配方案 | |
CN114553963A (zh) | 移动边缘计算中基于深度神经网络的多边缘节点协作缓存方法 | |
CN111970717B (zh) | 基于雾无线接入网中内容缓存和用户-基站关联的方法 | |
Qiu et al. | Subchannel assignment and power allocation for time-varying fog radio access network with NOMA | |
CN116321307A (zh) | 一种无蜂窝网络中基于深度强化学习的双向缓存放置方法 | |
CN116089091A (zh) | 基于物联网边缘计算的资源分配和任务卸载方法 | |
CN111465057B (zh) | 一种基于强化学习的边缘缓存方法、装置及电子设备 | |
Li et al. | Collaborative optimization of edge-cloud computation offloading in internet of vehicles | |
Wang et al. | Multi-objective joint optimization of communication-computation-caching resources in mobile edge computing | |
CN111988834A (zh) | 一种异构车联网网络选择方法、系统及装置 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
Li et al. | A smart content caching and replacement scheme for UAV-assisted fog computing network | |
Lyu et al. | Service-driven resource management in vehicular networks based on deep reinforcement learning | |
CN116112896A (zh) | 一种基于移动感知的车联网任务卸载优化方法 | |
CN113965962A (zh) | 一种面向物联网切片的缓存资源管理方法及其系统 | |
Chen et al. | Content caching clustering based on piecewise interest similarity | |
CN108738048B (zh) | 一种基于遗传算法的最大化公平性基站主动存储方法 | |
Huang et al. | Service caching and task offloading for mobile edge computing-enabled intelligent connected vehicles | |
Zhang et al. | Multi-Service Oriented Multi-Dimensional Resource Requirement Conflicts Coordination in Radio Access Networks |
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 |