CN112261628A - 一种应用于d2d设备的内容边缘缓存架构方法 - Google Patents

Abstract

一种应用于D2D设备的内容边缘缓存架构方法，用于构建边缘缓存辅助的D2D通信覆盖网架构，通过内容预置的方式，建立D2D通信边缘缓存覆盖网，以缓存指数最大化为优化方式，通过检测终端节点的缓存架构构建D2D覆盖网虚拟逻辑映射通道，并应用自适应惯性权重二进制粒子群算法实现单兵终端设备D2D内容边缘缓存架构策略，实现D2D边缘缓存效果的提升。本发明的边缘缓存预置策略具有较高的缓存指数且有利于信息更好的传输。

Description

一种应用于D2D设备的内容边缘缓存架构方法

技术领域

本发明涉及一种边缘缓存领域，特别是涉及一种应用于D2D设备的内容边缘缓存架构方法。

背景技术

当极端的自然灾害如地震发生时，传统的基础网络通信设施可能会发生损坏故障，甚至产生大面积的网络瘫痪，给救援工作带来很大障碍。应急情况下，如何保证救援单兵终端设备网络的互联互通以及高效集中控制，解决指挥现场各类信息汇聚、共享是关键问题。D2D通信是第三代合作计划(3rd generation partnership project,3GPP)在R12定义的基于长期演进(long term evolution,LTE)技术体制的一种在通信系统的控制下，允许LTE终端之间在没有基础网络设施的情况下，利用小区资源直接进行通信的新技术，显然D2D通信模式将会被应急保障通信模式所采纳。如基础网络通信设施因极端灾害被损坏，单兵终端仍然能够基于D2D连接建立无线通信网络，保证终端之间无线通信的畅通，为灾难救援提供保障。现有对D2D通信技术的研究主要集中于如何利用移动终端的信息交互能力，从干扰感知传输的角度展现所特有的邻近特性和数据直通特性，并且大部分是在基站辅助的正常情况，没有考虑应急极端条件下的基站损毁。在单独考虑D2D边缘缓存的研究中，提出的近似算法解并不能完全反映缓存辅助D2D内容的布设优化方案且没有单独考虑D2D自身缓存的情况。综上所述，在D2D边缘缓存布设效果并不理想，仍需要改进和优化。

发明内容

为了解决现有技术的上述问题，进一步提高D2D边缘缓存布设效果，本发明提供了一种应用于应用于D2D设备的内容边缘缓存架构方法。

本发明方法构建边缘缓存辅助的D2D通信覆盖网架构，通过内容预置的方式，建立D2D通信边缘缓存覆盖网，以缓存指数最大化为优化方式，通过检测终端节点的缓存架构构建D2D覆盖网虚拟逻辑映射通道，并应用自适应惯性权重二进制粒子群算法(adaptiveinertia weight binary particle optical swarm,ABPSO)实现单兵终端设备D2D内容边缘缓存架构策略，从而实现D2D边缘缓存效果的提升。

本发明处理的一种D2D边缘缓存架构覆盖网资源区域，由一个瘫痪基站和在移动工作的终端设备构成，通信方式可分为D2D通信，基站蜂窝通信，自卸载缓存，由于应急条件下基站瘫痪，基站蜂窝通信受阻。

一种应用于D2D设备的内容边缘缓存架构方法，具体包括：

步骤A、对于由一个瘫痪基站和在移动工作的单兵终端设备构成D2D边缘缓存覆盖网资源区域设计文件被请求概率，通过统计覆盖网资源区域内单兵终端设备为N,用集合{i|i∈N}表示，且设备存储容量为V，这里选择的终端设备型号相同，则存储容量大小一致；在覆盖网资源区域内终端设备的移动区域位置分布满足概率密度为λ的齐次泊松过(homogeneous poisson point process,HPPP)，所需缓存文件总数为D，并且每个文件占用缓存的资源大小s_d相同，根据研究可知，用户独立请求热门视频文件的概率分布满足Zipf分布，在该覆盖网资源网络架构内文件{F₁,F₂,...,F_D}被请求概率采用了Zipf的请求分布，对热度值排名为d的文件F_d的被请求概率为：

z为热度指数，文件请求越频繁表示热度指数越高；

步骤B、步骤A设计文件被请求概率后，设计设备缓存命中模型，通过在极限距离内通信成功的概率，设计单兵终端设备自缓存指数，D2D通信请求的缓存指数两种模型，并计算该覆盖网内的总缓存指数；具体包括：

B1、在该资源物理区域内，单兵终端设备之间可以发生D2D通信的极限距离为R,这里信道质量用误比特率SER表示，对于单兵终端设备i和j，假设他们的位置为(X_i,Y_i)和(X_j,Y_j)，根据距离公式，两个终端设备之间的距离用L_ij表示：

L_ij＝[(X_i-X_j)²+(Y_i-Y_j)²]^1/2 (2)

L_ij可表示单兵终端设备是否具有连通性：

当T_ij＝1时，表示单兵终端设备自缓存请求和D2D通信请求均可发生，当T_ij＝0时，则认为不发生。在应急条件下，由于基站损毁，这里先考虑单兵终端设备自缓存请求；缓存指数表示设备请求文件在两种情况下成功的机率，下面设计该缓存覆盖网架构的优化指标缓存指数模型:根据密度λ为HPPP的特性可知，在资源区域R内有n个单兵设备的概率可表示为：

分析自缓存指数的情况，单兵终端设备自缓存指数可表示为：

X＝{X_i,d:i∈N,d∈D}

其中X为覆盖网中的缓存布设，X_i,d＝1表示单兵终端设备i缓存了文件d，X_i,d＝0表示不缓存；

B2、D2D通信请求下，当X_i,d＝0时，单兵设备i不能在自设备获取所需求的文件d，则向资源区域内T_ij＝1的单兵终端设备发送文件d的请求，因此，D2D通信请求的缓存指数可表述为：

则该覆盖网内的总缓存指数为：

步骤C、步骤A和步骤B获取总缓存指数完成后，根据以上结论，通过检测终端节点的缓存架构构建D2D覆盖网虚拟逻辑映射通道，以缓存指数为最优化目标，采用逐个设备改变边缘缓存策略的方法使缓存指数最大化，设计自适应惯性权重的二进制粒子群来解决模型的组合优化问题；具体包括：

a、对于缓存文件总数D的单兵设备i，设置单兵设备i拥有粒子群总群数为K，K个粒子组成单兵设备i的粒子群体为g＝(g₁,g₂,…,g_k,…,g_K)，每个维度下粒子都可以用其位置向量和速度向量表示；

上述粒子位置向量和速度向量更新具体步骤为：

a1、设计在K×D维空间中，x_k＝(x_k1,x_k2,…,x_kD)为微粒k的当前位置，v_k＝(v_k1,v_k2,…,v_kD)为当前飞行速度，p_k＝(p_k1,p_k2,…p_kD)表示该微粒k所经历最好位置，在此边缘缓存模型中，以H(x)为优化函数，微粒k的当前最好位置由下式确定：

所有微粒经过的最好位置为全局极值p_g(t)，t为现迭代次数，微粒的速度和位置通过以下公式更新：

v_kd(t+1)＝wv_kd(t)+c₁r₁(p_kd(t)-x_kd(t))+c₂r₂(p_g(t)-x_kd(t))

x_kd(t+1)＝x_kd(t)+v_kd(t+1) (9)

式中，c₁，c₂为交流因子，影响种群微粒间的信息分享程度，r₁，r₂是[0，1]间的相互独立随机函数，v_kd(t)表示微粒k在t次迭代中的第d维的速度，x_kd(t)表示微粒k在t次迭代中的第d维的位置，w为惯性权重；

a2、该位置模型为离散问题，采用二进制粒子群(binary particle opticalswarm,BPSO)算法描述粒子位置的更新公式：

其中，rand是[0，1]间的相互独立随机函数，s(v_id)是sigmoid函数；通过上述运算初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

b、步骤A各微粒的速度，位置更新后，因在BPSO中，惯性权重w是BPSO全局与局部搜索能力的影响因子，w取值较小，则BPSO局部寻优能力大于全局寻优能力，易陷入局部最优；影响因子w较大，全局寻优强于局部，使得解的精度降低，针对此问题，设计了一种自适应惯性权重的算法：

式中iter为迭代总数，t为当前迭代次数，w_s为惯性权重w的初始值，w_e是权重w的终值，在运行计算过程中此算法保证了迭代初期有更大的全局搜寻能力，后期局部寻优能力提高，提升了所求解的精度；通过上述步骤更新自适应惯性权重，同时实现微粒速度与位置的更新；

c、优化自适应惯性权重二进制粒子群，具体步骤如下：

Step1:初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

Step2:计算微粒的目标函数值H(x)；

Step3:根据微粒目标函数所得值通过公式(9)更新个体极值；

Step4:各微粒的个体极值与全局极值的目标函数值进行比较更新全局极值；

Step5:通过公式(10)和公式(11)更新自适应惯性权重，同时实现微粒速度与位置的更新；

Step6:判断算法的终止条件(足够好的位置或者最大迭代次数)是否满足，若满足，则输出设备i的优化解，开始轮询下一设备，否则返回Step2继续迭代；

步骤D、完成步骤C运算后，通过得到的优化解设置D2D设备的内容边缘缓存架构。

本发明充分考虑了通信网络基础设施瘫痪的极端情况下，为了延续信息传输，缓存指数最大化，建立D2D通信边缘缓存架构，设计应急条件下基于自适应惯性权重二进制粒子群算法的单兵终端设备D2D内容边缘缓存架构策略。与传统方法相比，本发明的优点是边缘缓存预置策略具有较高的缓存指数且有利于信息更好的传输。

附图说明

图1是本发明提供的D2D边缘缓存系统框架。

图2是本发明应用于D2D边缘缓存粒子群算法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。

参照图1，D2D边缘缓存系统框架由一个瘫痪基站和在移动工作的单兵终端设备构成覆盖网资源区域，通信方式可分为D2D通信，基站蜂窝通信，自卸载缓存。自卸载缓存即自缓存请求，单兵终端设备可直接在本地获取需要请求的文件；D2D通信即D2D通信请求：当单兵终端设备本地获取需要请求的文件失败时，请求在覆盖网资源区域内传输距离R以内的在线其他单兵终端设备i获取需要请求的文件。由于应急条件下基站瘫痪，基站蜂窝通信受阻，这里基站蜂窝通信不予考虑。

参照图2，本发明提供的一种应用于D2D设备的内容边缘缓存架构方法，其步骤C的粒子群方法具体流程步骤如下：

a、对于缓存文件总数D的单兵设备i，设置单兵设备i拥有粒子群总群数为K，K个粒子组成单兵设备i的粒子群体为g＝(g₁,g₂,…,g_k,…,g_K)，每个维度下粒子都可以用其位置向量和速度向量表示；

上述粒子位置向量和速度向量更新具体步骤为：

a1、设计在K×D维空间中，x_k＝(x_k1,x_k2,…,x_kD)为微粒k的当前位置，v_k＝(v_k1,v_k2,…,v_kD)为当前飞行速度，p_k＝(p_k1,p_k2,…p_kD)表示该微粒k所经历最好位置，在此边缘缓存模型中，以H(x)为优化函数，微粒k的当前最好位置由下式确定：

所有微粒经过的最好位置为全局极值p_g(t)，t为现迭代次数，微粒的速度和位置通过以下公式更新：

v_kd(t+1)＝wv_kd(t)+c₁r₁(p_kd(t)-x_kd(t))+c₂r₂(p_g(t)-x_kd(t))

x_kd(t+1)＝x_kd(t)+v_kd(t+1) (9)

式中，c₁，c₂为交流因子，影响种群微粒间的信息分享程度，r₁，r₂是[0，1]间的相互独立随机函数，v_kd(t)表示微粒k在t次迭代中的第d维的速度，x_kd(t)表示微粒k在t次迭代中的第d维的位置，w为惯性权重；

a2、该位置模型为离散问题，采用二进制粒子群(binary particle opticalswarm,BPSO)算法描述粒子位置的更新公式：

其中，rand是[0，1]间的相互独立随机函数，s(v_id)是sigmoid函数；通过上述运算初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

b、步骤A各微粒的速度，位置更新后，因在BPSO中，惯性权重w是BPSO全局与局部搜索能力的影响因子，w取值较小，则BPSO局部寻优能力大于全局寻优能力，易陷入局部最优；影响因子w较大，全局寻优强于局部，使得解的精度降低，针对此问题，设计了一种自适应惯性权重的算法：

式中iter为迭代总数，t为当前迭代次数，w_s为惯性权重w的初始值，w_e是权重w的终值，在运行计算过程中此算法保证了迭代初期有更大的全局搜寻能力，后期局部寻优能力提高，提升了所求解的精度；通过上述步骤更新自适应惯性权重，同时实现微粒速度与位置的更新；

c、优化自适应惯性权重二进制粒子群，具体步骤如下：

Step1:初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

Step2:计算微粒的目标函数值H(x)；

Step3:根据微粒目标函数所得值通过公式(9)更新个体极值；

Step4:各微粒的个体极值与全局极值的目标函数值进行比较更新全局极值；

Step5:通过公式(10)和公式(11)更新自适应惯性权重，同时实现微粒速度与位置的更新；

Step6:判断算法的终止条件(足够好的位置或者最大迭代次数)是否满足，若满足，则输出设备i的优化解，开始轮询下一设备，否则返回Step2继续迭代；

步骤D、完成步骤C运算后，通过得到的优化解设置D2D设备的内容边缘缓存架构。

以上所述仅为本发明的较佳实施方法，并不用以限制本发明，凡在本发明的精神、原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种应用于D2D设备的内容边缘缓存架构方法，包括如下步骤：

步骤A、对于由一个瘫痪基站和在移动工作的单兵终端设备构成D2D边缘缓存覆盖网资源区域设计文件被请求概率，通过统计覆盖网资源区域内单兵终端设备为N,用集合{i|i∈N}表示，且设备存储容量为V，这里选择的终端设备型号相同，则存储容量大小一致；在覆盖网资源区域内终端设备的移动区域位置分布满足概率密度为λ的齐次泊松过(homogeneouspoisson point process,HPPP)，所需缓存文件总数为D，并且每个文件占用缓存的资源大小s_d相同，根据研究可知，用户独立请求热门视频文件的概率分布满足Zipf分布，在该覆盖网资源网络架构内文件{F₁,F₂,...,F_D}被请求概率采用了Zipf的请求分布，对热度值排名为d的文件F_d的被请求概率为：

z为热度指数，文件请求越频繁表示热度指数越高；

步骤B、步骤A设计文件被请求概率后，设计设备缓存命中模型，通过在极限距离内通信成功的概率，设计单兵终端设备自缓存指数，D2D通信请求的缓存指数两种模型，并计算该覆盖网内的总缓存指数；具体包括：

B1、在该资源物理区域内，单兵终端设备之间可以发生D2D通信的极限距离为R,这里信道质量用误比特率SER表示，对于单兵终端设备i和j，假设他们的位置为(X_i,Y_i)和(X_j,Y_j)，根据距离公式，两个终端设备之间的距离用L_ij表示：

L_ij＝[(X_i-X_j)²+(Y_i-Y_j)²]^1/2 (2)

L_ij可表示单兵终端设备是否具有连通性：

当T_ij＝1时，表示单兵终端设备自缓存请求和D2D通信请求均可发生，当T_ij＝0时，则认为不发生。在应急条件下，由于基站损毁，这里先考虑单兵终端设备自缓存请求；缓存指数表示设备请求文件在两种情况下成功的机率，下面设计该缓存覆盖网架构的优化指标缓存指数模型:根据密度λ为HPPP的特性可知，在资源区域R内有n个单兵设备的概率可表示为：

分析自缓存指数的情况，单兵终端设备自缓存指数可表示为：

X＝{X_i,d:i∈N,d∈D}

其中X为覆盖网中的缓存布设，X_i,d＝1表示单兵终端设备i缓存了文件d，X_i,d＝0表示不缓存；

B2、D2D通信请求下，当X_i,d＝0时，单兵设备i不能在自设备获取所需求的文件d，则向资源区域内T_ij＝1的单兵终端设备发送文件d的请求，因此，D2D通信请求的缓存指数可表述为：

则该覆盖网内的总缓存指数为：

X_i,d＝{0,1} (7)

步骤C、步骤A和步骤B获取总缓存指数完成后，根据以上结论，通过检测终端节点的缓存架构构建D2D覆盖网虚拟逻辑映射通道，以缓存指数为最优化目标，采用逐个设备改变边缘缓存策略的方法使缓存指数最大化，设计自适应惯性权重的二进制粒子群来解决模型的组合优化问题；具体包括：

a、对于缓存文件总数D的单兵设备i，设置单兵设备i拥有粒子群总群数为K，K个粒子组成单兵设备i的粒子群体为g＝(g₁,g₂,…,g_k,…,g_K)，每个维度下粒子都可以用其位置向量和速度向量表示；

上述粒子位置向量和速度向量更新具体步骤为：

a1、设计在K×D维空间中，x_k＝(x_k1,x_k2,…,x_kD)为微粒k的当前位置，v_k＝(v_k1,v_k2,…,v_kD)为当前飞行速度，p_k＝(p_k1,p_k2,…p_kD)表示该微粒k所经历最好位置，在此边缘缓存模型中，以H(x)为优化函数，微粒k的当前最好位置由下式确定：

所有微粒经过的最好位置为全局极值p_g(t)，t为现迭代次数，微粒的速度和位置通过以下公式更新：

v_kd(t+1)＝wv_kd(t)+c₁r₁(p_kd(t)-x_kd(t))+c₂r₂(p_g(t)-x_kd(t))

x_kd(t+1)＝x_kd(t)+v_kd(t+1) (9)

式中，c₁，c₂为交流因子，影响种群微粒间的信息分享程度，r₁，r₂是[0，1]间的相互独立随机函数，v_kd(t)表示微粒k在t次迭代中的第d维的速度，x_kd(t)表示微粒k在t次迭代中的第d维的位置，w为惯性权重；

a2、该位置模型为离散问题，采用二进制粒子群(binary particle optical swarm,BPSO)算法描述粒子位置的更新公式：

其中，rand是[0，1]间的相互独立随机函数，s(v_id)是sigmoid函数；通过上述运算初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

b、步骤A各微粒的速度，位置更新后，因在BPSO中，惯性权重w是BPSO全局与局部搜索能力的影响因子，w取值较小，则BPSO局部寻优能力大于全局寻优能力，易陷入局部最优；影响因子w较大，全局寻优强于局部，使得解的精度降低，针对此问题，设计了一种自适应惯性权重的算法：

式中iter为迭代总数，t为当前迭代次数，w_s为惯性权重w的初始值，w_e是权重w的终值，在运行计算过程中此算法保证了迭代初期有更大的全局搜寻能力，后期局部寻优能力提高，提升了所求解的精度；通过上述步骤更新自适应惯性权重，同时实现微粒速度与位置的更新；

c、优化自适应惯性权重二进制粒子群，具体步骤如下：

Step1:初始化单兵设备i的粒子总群K，在定义K×D维空间中，初始化各微粒的速度，位置，全局极值，最大迭代数等参数；

Step2:计算微粒的目标函数值H(x)；

Step3:根据微粒目标函数所得值通过公式(9)更新个体极值；

Step4:各微粒的个体极值与全局极值的目标函数值进行比较更新全局极值；

Step5:通过公式(10)和公式(11)更新自适应惯性权重，同时实现微粒速度与位置的更新；

Step6:判断算法的终止条件(足够好的位置或者最大迭代次数)是否满足，若满足，则输出设备i的优化解，开始轮询下一设备，否则返回Step2继续迭代；

步骤D、完成步骤C运算后，通过得到的优化解设置D2D设备的内容边缘缓存架构。

Images