CN112187872B - 一种移动边缘计算网络下内容缓存和用户关联优化方法 - Google Patents
一种移动边缘计算网络下内容缓存和用户关联优化方法 Download PDFInfo
- Publication number
- CN112187872B CN112187872B CN202010932408.8A CN202010932408A CN112187872B CN 112187872 B CN112187872 B CN 112187872B CN 202010932408 A CN202010932408 A CN 202010932408A CN 112187872 B CN112187872 B CN 112187872B
- Authority
- CN
- China
- Prior art keywords
- user
- content
- mobile
- edge server
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 52
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
Description
技术领域
本发明涉及边缘计算领域,具体是一种移动边缘计算网络下内容缓存和用户关联优化方法。
背景技术
随着自动化程度的不断提高和智能移动设备的迅速普及,用户对互联网内容(如视频、音频内容等)需求日益密切,移动网络流量呈现爆发式增长趋势。传统以云服务器为中心的存储模式,由于请求内容离用户较远,在面对海量用户请求时,会产生高额的内容传输成本,难以满足用户对高质量服务的需求。移动边缘计算作为一种新型的计算模式,通过下沉计算、存储资源到网络边缘来提高用户的服务质量。在移动边缘计算网络环境下,边缘服务器可以部署在基站中或者基站附近,互联网厂商通过将热点内容缓存在边缘服务器中,以减少内容获取的传输成本。
近年来,5G互联网通信技术取得了实质性的突破,为了实现对热点区域的全面覆盖和提高流量峰值时期用户服务质量,基站的密集部署已经成为一种合理的解决方案。在超密集移动边缘计算系统中,如何联合优化内容缓存和用户关联,以降低边缘计算系统中内容获取的传输成本已经成为了一个热门的研究问题。目前普遍采用的策略是在边缘服务器中缓存最流行的内容,将用户与信号功率最强的基站关联,但是这种模式存在着一些难以解决的问题:第一:内容流行度难以预测且时空差异明显,难以捕获用户的实时请求。第二:用户总是试图与信号最强的服务器关联,容易导致基站之间的负载失衡。第三:在用户动态移动的场景下,内容缓存和用户关联没有联合考虑,会导致用户与基站之间频繁切换,降低用户服务质量,导致整个移动边缘计算网络效率低下。
发明内容
本发明的目的是提供一种移动边缘计算网络下内容缓存和用户关联优化方法,包括以下步骤:
1)建立超密集移动边缘计算系统。所述超密集移动边缘计算系统包括远程云服务器、宏基站、M个不同密集部署的微基站、N个移动设备和C个内容文件。其中,每个微基站均具有边缘服务器。
2)获取当前移动网络中所有移动用户、边缘服务器的信息数据。
所述移动用户和边缘服务器的信息数据包括边缘服务器的缓存大小Dm、边缘服务器最大服务用户数Zm、内容文件大小vc、用户的移动路径矩阵XN×T、用户的内容请求矩阵YN×T和状态转移矩阵BM×M。边缘服务器序号m=1,2,…,M。M为边缘服务器总数。内容文件序号c=1,2,…,|C|;|C|为内容文件总数;C为内容文件集合。
3)初始化时刻t=0。初始化超密集移动边缘计算系统的参数,令所有的边缘服务器内容缓存策略a=0,移动用户关联策略b=0。其中a=0表示边缘服务器不缓存内容文件,b=0表示边缘服务器与移动用户不关联。
所述超密集移动边缘计算系统参数包括观测时间ε、最大容忍访问间隔σ和内容优先级系数p。
4)确定当前t时刻的内容缓存策略at和用户关联策略bt。
确定当前t时刻的内容缓存策略at和用户关联策略bt的步骤如下:
4.1)初始化当前t时刻的用户关联策略bt。确定每个边缘服务器服务范围内的移动用户。将剩余最大服务用户数的边缘服务器与位于边缘服务器服务范围内的移动用户相关联。将不在边缘服务器服务范围内的移动用户与宏基站相关联。
式中,表示的是第n个用户在第m个微基站服务范围内请求第c个内容的概率。表示的第c个内容的流行度。流行度gc满足zip-f分布。α为zip-f分布的参数。表示的第n个用户到达第m个基站的概率,满足马尔科夫移动过程。为状态转移向量;为马尔科夫初始概率。ρe表示用户通过宏基站从云服务器获取每兆内容的传输成本。ρd表示用户从边缘服务器中获取每兆内容的传输成本。为更新前的适应度,为更新后的适应度;dc为下载第c个内容文件的时间;p为概率权重;
5)修正当前t时刻的用户关联策略bt。
修正当前t时刻的移动用户关联策略bt的步骤如下:
5.1)判断移动用户n在t时刻的请求是否被t–1时刻关联的边缘服务器所满足,若是,则保持关联策略,否则,将移动用户n写入待更新集合中。在所有移动用户均判断完毕后,进入步骤2)。
式中,表示第c个内容在第m个微基站的平均请求概率。和分别表示t时刻在第m个基站中的用户集合和用户总数。ρc表示从云服务器向边缘服务器中传输每兆内容的传输成本。vc表示第c个内容文件的大小。表示t时刻第m个边缘服务器是否缓存第c个内容文件。
式中,表示t时刻第m个边缘服务器缓存第n个移动用户请求内容的缓存策略。表示t时刻第n个移动用户请求内容。表示t时刻第n个移动用户在第m个边缘服务器服务范围内请求内容的请求概率。表示t时刻第m个边缘服务器与第n个移动用户的用户关联策略。表示t时刻第n个移动用户请求内容的大小。
7)判断t>T是否成立,若不成立,则令t=t+1,返回步骤4),若成立,则进入步骤8)。T为关联周期。
值得说明的是,本发明设计了包括远程云服务器、一个宏基站、M个不同密集部署的微基站、N个不同的移动设备的超密集移动边缘计算系统模型。本发明综合考虑了在用户动态移动过程中,基站的内容缓存和用户关联设计,并提出传输成本和切换成本的联合优化目标函数。
同时,针对目标函数及其限制条件,本发明提出一种移动性感知的内容缓存算法和基于匹配论的懒重新关联的用户关联算法来进行基站内容缓存和移动用户关联。本方法用移动用户和边缘服务器的信息数据来进行建模,通过算法来计算基站的内容缓存并给出相应地用户关联方案,相比于其他的内容缓存和用户关联方法有更好的效率和准确性,为移动边缘计算领域的内容缓存和用户关联问题提供了一种解决思路。
本发明的技术效果是毋庸置疑的。本发明内容是提供一种移动边缘计算网络下内容缓存和用户关联优化方法,通过综合考虑系统内容传输成本和切换成本来最小化系统开销。
本发明综合考虑边缘服务器的内容缓存和移动用户的关联问题,相比于其他边缘计算系统,应用范围更加广泛。本发明综合考虑基站缓存空间的大小、基站的服务能力以及用户对内容的请求概率等综合因素,给出了基站内容的最佳缓存,同时通过基于匹配论的懒重新关联算法确定用户关联策略,很大程度减少了移动边缘计算系统的传输成本和切换成本。
本发明提供了移动边缘计算网络中内容缓存和用户关联优化方法。该方法在保证了在满足边缘服务器缓存大小要求的前提下,通过联合基站的内容缓存和用户关联,综合考虑基站缓存空间的大小、基站的服务能力以及用户对内容的请求概率,得以最小化系统的传输成本和切换成本。
附图说明
图1为系统模型图;
图2为计算基站内容缓存和移动用户关联策略算法流程图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图2,一种移动边缘计算网络下内容缓存和用户关联优化方法,包括以下步骤:
1)建立超密集移动边缘计算系统。所述超密集移动边缘计算系统包括远程云服务器、宏基站、M个不同密集部署的微基站、N个移动设备和C个内容文件。其中,每个微基站均具有边缘服务器。
2)获取当前移动网络中所有移动用户、边缘服务器的信息数据。
所述移动用户和边缘服务器的信息数据包括边缘服务器的缓存大小Dm、边缘服务器最大服务用户数Zm、内容文件大小vc、用户的移动路径矩阵XN×T、用户的内容请求矩阵YN×T和状态转移矩阵BM×M。边缘服务器序号m=1,2,…,M。M为边缘服务器总数。内容文件序号c=1,2,…,|C|;|C|为内容文件总数;C为内容文件集合。
3)初始化时刻t=0。初始化超密集移动边缘计算系统的参数,令所有的边缘服务器内容缓存策略a=0,移动用户关联策略b=0。其中a=0表示边缘服务器不缓存内容文件,b=0表示边缘服务器与移动用户不关联。
所述超密集移动边缘计算系统参数包括观测时间ε、最大容忍访问间隔σ和内容优先级系数p。
4)确定当前t时刻的内容缓存策略at和用户关联策略bt。
确定当前t时刻的内容缓存策略at和用户关联策略bt的步骤如下:
4.1)初始化当前t时刻的用户关联策略bt。确定每个边缘服务器服务范围内的移动用户。将剩余最大服务用户数的边缘服务器与位于边缘服务器服务范围内的移动用户相关联。将不在边缘服务器服务范围内的移动用户与宏基站相关联。
式中,表示的是第n个用户在第m个微基站服务范围内请求第c个内容的概率。表示的第c个内容的流行度。流行度gc满足zip-f分布。α为zip-f分布的参数。表示的第n个用户到达第m个基站的概率,满足马尔科夫移动过程。为状态转移向量;为马尔科夫初始概率。ρe表示用户通过宏基站从云服务器获取每兆内容的传输成本。ρd表示用户从边缘服务器中获取每兆内容的传输成本。等式左边的为更新后的适应度,等式右边的为更新前的适应度。公式1和公式2为迭代更新公式。dc为下载第c个内容文件的时间;p为概率权重;k=1,2,…,|C|。
5)修正当前t时刻的用户关联策略bt。
修正当前t时刻的移动用户关联策略bt的步骤如下:
5.1)判断移动用户n在t时刻的请求是否被t–1时刻关联的边缘服务器所满足,若是,则保持关联策略,否则,将移动用户n写入待更新集合中。在所有移动用户均判断完毕后,进入步骤2)。
式中,表示第c个内容在第m个微基站的平均请求概率。和分别表示t时刻在第m个基站中的用户集合和用户总数。ρc表示从云服务器向边缘服务器中传输每兆内容的传输成本。vc表示第c个内容文件的大小。表示t时刻第m个边缘服务器是否缓存第c个内容文件。表示t-1时刻第m个边缘服务器是否缓存第c个内容文件。
式中,表示t时刻第m个边缘服务器缓存第n个移动用户请求内容的缓存策略。表示t时刻第n个移动用户请求内容。表示t时刻第n个移动用户在第m个边缘服务器服务范围内请求内容的请求概率、表示t时刻第m个边缘服务器与第n个移动用户的用户关联策略。表示t时刻第n个移动用户请求内容的大小。
7)判断t>T是否成立,若不成立,则令t=t+1,返回步骤4),若成立,则进入步骤8)。T为关联周期。
实施例2:
一种移动边缘计算网络下内容缓存和用户关联优化方法,主要包括以下步骤:
1)建立超密集移动边缘计算系统模型。
所述的超密集移动边缘计算系统模型包括远程云服务器、一个宏基站、M个不同密集部署的微基站、N个不同的移动设备和C个不同的内容文件。边缘服务器部署在微基站中,由微基站提供内容分发服务,宏基站不缓存内容。系统以固定时间片刻方式运行,总的运行周期为T。
2)获取当前移动网络中所有移动用户、边缘服务器的信息数据。
所述的移动用户和边缘服务器的信息数据包括边缘服务器的缓存大小Dm,边缘服务器最大服务用户数Zm,每个内容大小vc,用户的移动路径矩阵XN×T,用户的内容请求矩阵YN×T,状态转移矩阵BM×M。
3)初始化超密集移动边缘计算系统参数,开始迭代运算。
超密集移动边缘计算系统参数包括观测时间ε、最大容忍访问间隔σ、内容优先级系数p。初始状态下,令所有的边缘服务器内容缓存策略a=0和移动用户关联策略b=0。其中a=0表示边缘服务器不缓存,b=0表示不关联。
4)确定当前t时刻的内容缓存策略at,主要步骤如下:
4.1)初始化bt。将每个用户与剩余最大服务用户数的边缘服务器相关联。不在边缘服务器服务范围内的用户直接与宏基站相关联。
否则更新
式中,表示的是第n个用户在第m个微基站服务范围内请求第c个内容的概率,表示的第c个内容的流行度,满足zip-f分布,α为zip-f分布的参数。表示的第n个用户到达第m个基站的概率,满足马尔科夫移动过程,为马尔科夫初始概率。ρe表示的是从用户通过宏基站从云服务器获取每兆内容的传输成本,ρd表示的是用户从边缘服务器中获取每兆内容的传输成本。
5)修正当前t时刻的用户关联策略bt,主要步骤如下:
5.1)懒重新关联策略。如用户在t时刻的请求可以被t–1时刻关联的服务器所满足,那么保持该用户与t–1时刻相同的关联方式。
用户通过宏基站直接从云服务器中获取内容的传输成本计算如下:
6)量化超密集移动边缘计算系统中总平均系统成本。
7)返回步骤4,重复迭代,直至确定t=T。输出该移动边缘计算系统中最优内容缓存a和用户关联策略b。
Claims (6)
1.一种移动边缘计算网络下内容缓存和用户关联优化方法,其特征在于,包括以下步骤:
1)建立超密集移动边缘计算系统;
2)获取当前移动网络中所有移动用户、边缘服务器的信息数据;
3)初始化时刻t=0;初始化超密集移动边缘计算系统的参数,令所有的边缘服务器内容缓存策略a=0,移动用户关联策略b=0;其中a=0表示边缘服务器不缓存内容文件,b=0表示边缘服务器与移动用户不关联;
4)确定当前t时刻的内容缓存策略at和用户关联策略bt;
确定当前t时刻的内容缓存策略at和用户关联策略bt的步骤如下:
4.1)初始化当前t时刻的用户关联策略bt;确定每个边缘服务器服务范围内的移动用户;将剩余最大服务用户数的边缘服务器与位于边缘服务器服务范围内的移动用户相关联;将不在边缘服务器服务范围内的移动用户与宏基站相关联;
式中,表示的是第n个用户在第m个微基站服务范围内请求第c个内容文件的概率;表示的第c个内容的流行度;|C|为内容文件总数;流行度gc满足zip-f分布;α为zip-f分布的参数;表示的第n个用户到达第m个基站的概率,满足马尔科夫移动过程;为状态转移向量;为马尔科夫初始概率;ρe表示用户通过宏基站从云服务器获取每兆内容的传输成本;ρd表示用户从边缘服务器中获取每兆内容的传输成本;为更新前的适应度,为更新后的适应度;dc为下载第c个内容文件的时间;p为概率权重;
5)修正当前t时刻的用户关联策略bt;
7)判断t>T是否成立,若不成立,则令t=t+1,返回步骤4),若成立,则进入步骤8);T为关联周期;
2.根据权利要求1所述的一种移动边缘计算网络下内容缓存和用户关联优化方法,其特征在于:所述超密集移动边缘计算系统包括远程云服务器、宏基站、M个不同密集部署的微基站、N个移动设备和C个内容文件;其中,每个微基站均具有边缘服务器。
3.根据权利要求1所述的一种移动边缘计算网络下内容缓存和用户关联优化方法,其特征在于:所述移动用户和边缘服务器的信息数据包括边缘服务器的缓存大小Dm、边缘服务器最大服务用户数Zm、内容文件大小vc、用户的移动路径矩阵XN×T、用户的内容请求矩阵YN×T和状态转移矩阵BM×M;边缘服务器序号m=1,2,…,M;M为边缘服务器总数;内容文件序号c=1,2,…,|C|;|C|为内容文件总数;C为内容文件集合。
4.根据权利要求1所述的一种移动边缘计算网络下内容缓存和用户关联优化方法,其特征在于:所述超密集移动边缘计算系统参数包括观测时间ε、最大容忍访问间隔σ和内容优先级系数p。
5.根据权利要求1所述的一种移动边缘计算网络下内容缓存和用户关联优化方法,其特征在于,修正当前t时刻的移动用户关联策略bt的步骤如下:
1)判断移动用户n在t时刻的请求是否被t–1时刻关联的边缘服务器所满足,若是,则保持关联策略,否则,将移动用户n写入待更新集合中;在所有移动用户均判断完毕后,进入步骤2);
式中,表示第c个内容在第m个微基站的平均请求概率;和分别表示t时刻在第m个基站中的用户集合和用户总数;ρc表示从云服务器向边缘服务器中传输每兆内容的传输成本;vc表示第c个内容文件的大小;表示t时刻第m个边缘服务器是否缓存第c个内容文件;
式中,表示t时刻第m个边缘服务器缓存第n个移动用户请求内容的缓存策略;表示t时刻第n个移动用户请求内容;表示t时刻第n个移动用户在第m个边缘服务器服务范围内请求内容的请求概率;表示t时刻第m个边缘服务器与第n个移动用户的用户关联策略;表示t时刻第n个移动用户请求内容的大小;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932408.8A CN112187872B (zh) | 2020-09-08 | 2020-09-08 | 一种移动边缘计算网络下内容缓存和用户关联优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932408.8A CN112187872B (zh) | 2020-09-08 | 2020-09-08 | 一种移动边缘计算网络下内容缓存和用户关联优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112187872A CN112187872A (zh) | 2021-01-05 |
CN112187872B true CN112187872B (zh) | 2021-07-30 |
Family
ID=73924908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010932408.8A Active CN112187872B (zh) | 2020-09-08 | 2020-09-08 | 一种移动边缘计算网络下内容缓存和用户关联优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112187872B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112887992B (zh) * | 2021-01-12 | 2022-08-12 | 滨州学院 | 基于接入均衡核和置换率的密集无线网络边缘缓存方法 |
CN112822727B (zh) * | 2021-01-29 | 2022-07-01 | 重庆邮电大学 | 一种基于移动性和流行度感知的自适应边缘内容缓存方法 |
CN113672819B (zh) * | 2021-05-25 | 2023-09-29 | 重庆大学 | 一种基于推荐感知和协作边缘缓存的内容请求处理系统 |
CN115119273B (zh) * | 2022-07-19 | 2023-12-19 | 中国联合网络通信集团有限公司 | 服务与通信协同切换方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259628A (zh) * | 2018-02-28 | 2018-07-06 | 重庆邮电大学 | 异构蜂窝网络中内容缓存与用户关联联合优化方法 |
CN109743407A (zh) * | 2019-02-28 | 2019-05-10 | 电子科技大学 | 一种面向多租户网络的边缘网络缓存方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2016199494A1 (ja) * | 2015-06-09 | 2018-03-29 | ソニー株式会社 | 制御装置、基地局、端末装置及び制御方法 |
US10742754B2 (en) * | 2015-09-29 | 2020-08-11 | Fastly, Inc. | Persistent edge state of end user devices at cache nodes |
CN108667653B (zh) * | 2018-04-17 | 2020-12-11 | 东南大学 | 超密集网络中基于聚类的缓存配置方法及装置 |
CN108834080B (zh) * | 2018-04-17 | 2021-03-19 | 东南大学 | 异构网络中基于多播技术的分布式缓存和用户关联方法 |
US11604837B2 (en) * | 2018-08-21 | 2023-03-14 | At&T Intellectual Property I, L.P. | Edge metadata |
US11038979B2 (en) * | 2018-11-08 | 2021-06-15 | Cisco Technology, Inc. | Methods and apparatuses for content delivery over mobile networks with multi-access edge computing (MEC) control and user plane separation (CUPS) |
CN109905888B (zh) * | 2019-03-21 | 2021-09-07 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN110012508B (zh) * | 2019-04-10 | 2022-02-11 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及系统 |
CN110730471B (zh) * | 2019-10-25 | 2022-04-01 | 重庆邮电大学 | 基于区域用户兴趣匹配的移动边缘缓存方法 |
CN111031102B (zh) * | 2019-11-25 | 2022-04-12 | 哈尔滨工业大学 | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 |
CN111132191B (zh) * | 2019-12-12 | 2022-04-01 | 重庆邮电大学 | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 |
CN111240701B (zh) * | 2019-12-31 | 2023-07-25 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
CN111629052B (zh) * | 2020-05-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 基于mec的内容缓存方法、节点、设备及存储介质 |
-
2020
- 2020-09-08 CN CN202010932408.8A patent/CN112187872B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259628A (zh) * | 2018-02-28 | 2018-07-06 | 重庆邮电大学 | 异构蜂窝网络中内容缓存与用户关联联合优化方法 |
CN109743407A (zh) * | 2019-02-28 | 2019-05-10 | 电子科技大学 | 一种面向多租户网络的边缘网络缓存方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112187872A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112187872B (zh) | 一种移动边缘计算网络下内容缓存和用户关联优化方法 | |
CN111031102B (zh) | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 | |
CN110730471B (zh) | 基于区域用户兴趣匹配的移动边缘缓存方法 | |
CN106851731B (zh) | 一种最大化卸载概率的d2d缓存分配方法 | |
CN106686655B (zh) | 一种异构网络联合用户关联及内容缓存方法 | |
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 | |
CN108876646B (zh) | 一种基于节点社交特性的d2d缓存方法 | |
CN106550039B (zh) | 一种基于sd‑ran的跨层协作内容缓存方法及系统 | |
CN108881445B (zh) | 一种雾计算中基于古诺博弈的协作缓存方法 | |
CN108541025B (zh) | 一种面向无线异构网络的基站与d2d共同缓存方法 | |
CN108156596B (zh) | 支持d2d-蜂窝异构网络联合用户关联及内容缓存方法 | |
CN108307446B (zh) | 一种基于软件定义的无线网络边缘协作缓存系统与方法 | |
CN105979274A (zh) | 动态自适应视频流媒体的分布式缓存放置方法 | |
CN109831806B (zh) | 密集场景下面向用户优先级的基站协同缓存方法 | |
CN112996058B (zh) | 基于多无人机网络的用户QoE优化方法、无人机及系统 | |
CN111698732B (zh) | 微蜂窝无线网中面向时延的协作缓存优化方法 | |
CN115665804B (zh) | 一种协同无人机-智能车群的缓存优化方法 | |
CN113282786A (zh) | 一种基于深度强化学习的全景视频边缘协作缓存替换方法 | |
CN110913239B (zh) | 一种精细化的移动边缘计算的视频缓存更新方法 | |
CN109495865B (zh) | 一种基于d2d辅助的自适应缓存内容放置方法及系统 | |
CN108156218A (zh) | 雾无线接入网的双层分布式缓存方法 | |
CN113672819B (zh) | 一种基于推荐感知和协作边缘缓存的内容请求处理系统 | |
CN111447506B (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 | |
Dai et al. | MAPCaching: A novel mobility aware proactive caching over C-RAN | |
CN112788702A (zh) | 一种用于卫星物联网移动终端的映射表项缓存更新方法 |
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 |