CN112822726B - 一种Fog-RAN网络缓存放置问题的建模和决策方法 - Google Patents

Abstract

本发明公开了一种Fog‑RAN网络缓存放置问题的建模和决策方法。本发明首先对Fog‑RAN网络的缓存内容放置问题进行建模，其次采用基于广度优先的分布式决策方法缓存内容放置进行决策；首先找到Fog‑RAN网络的雾节点连通子图，然后从每个子图最小编号的雾节点出发，采用受拟阵约束的单调子模优化方法解决它的缓存放置问题，再然后根据广度优先策略找到与其协作的协作雾节点，解决它们的缓存放置问题，一直往下寻找，直到将Fog‑RAN网络中所有的雾节点的缓存内容放置都完成决策。本发明增加了一个协作关系矩阵用于表示雾节点之间的协作关系，并提出了一种新的计算下载时延的目标函数。实现了对雾节点的内容缓存放置的有效决策，可以降低用户的平均下载时延。

Description

一种Fog-RAN网络缓存放置问题的建模和决策方法

技术领域

本发明属于无线通信技术领域，具体涉及一种雾无线接入网(Fog-RAN)中缓存放置问题的建模和决策方法。

背景技术

随着近几年新应用的发展，如云计算、短视频等应用，互联网内容以及网络流量进一步呈爆炸式增长。与此同时，移动网络以及智能手机的普及也使得人们逐渐从电脑上网变成手机上网，移动数据流量迅速攀升，同时对低时延数据流量的需求也快速增加。这些数据流量大部分会在无线网络的边缘处生成、处理和使用。为了应对这种趋势，Fog-RAN逐渐成为一种极具前途的网络体系结构，该网络体系结构将存储、计算和通信功能移至无线网络的边缘。伴随着5G网络的逐步成熟，以及无线接入网要满足高带宽、多链接以及低时延等需求，这使得雾计算成为现实。在Fog-RAN中，为提升移动用户的使用体验，减少用户下载所需内容的延迟，一种有效的解决方案是将网络中较为流行的内容提前缓存在Fog-RAN边缘处的雾节点上，使得用户可以就近从雾节点处获取所需内容。

近年来，已有文章针对Fog-RAN网络的缓存技术开展研究，可以分为集中式和分布式两种方案。集中式方案需要有一个控制节点，知道整个网络的信息，从全局的角度进行决策。分布式方案一般是每个节点通过和其周围邻居节点的信息交换，然后决策自己的内容放置方案。同时，由于缓存内容决策是一个离散优化问题，很难得到全局最优的决策方案，因而无论是分布式、还是集中式，经常都是根据某种标准设计贪婪的缓存决策算法。通常需要考虑的变量包括内容流行度的分布，雾节点的缓存容量，用户的需求和信道的传输特性等。

现有的方法虽然可以在一定程度上解决目前存在的问题，但是现有的研究未考虑支持雾节点之间的相互协作，导致网络的整体性能受限。这里的雾节点相互协作指的是相邻雾节点之间可以单跳通信，从而进行消息的传递和内容的相互传输。这也就是说，如果某个用户需要的内容未在其接入的雾节点上缓存，接入雾节点可以请求其周围邻居雾节点，如果其周围邻居雾节点有缓存，则可以进一步从邻居雾节点得到需要的内容，而不需要从云端获得内容，从而降低云端的负载压力。

发明内容

本发明的目的是提供一种针对Fog-RAN网络缓存放置问题的建模和决策方法。本发明在对Fog-RAN网络的缓存放置问题建模时，考虑雾节点之间的协作：即当某个雾节点未缓存其服务用户所需内容时，先从与其协作的雾节点组成的集合中寻找是否存在某个协作雾节点缓存了所需的内容，若存在协作雾节点缓存了该内容，则先由该协作雾节点传输给当前雾节点，再由当前雾节点传输给用户，从而降低用户的平均下载时延。

本发明的一种基于广度优先的分布式缓存内容放置决策方法，该方法首先找到Fog-RAN网络的雾节点连通子图，然后从每个子图最小编号的雾节点出发，采用受拟阵约束的单调子模优化方法解决它的缓存放置问题，然后根据广度优先策略找到与其协作的雾节点，解决它们的缓存放置问题，一直往下寻找，直到将Fog-RAN网络中所有的雾节点的缓存内容放置都完成决策，以此得到Fog-RAN网络中缓存内容放置问题的一个次优解决方案。

为达到上述目的，本发明提供如下技术方案：

阶段一：对Fog-RAN网络的缓存内容放置问题进行建模，该建模包括以下几个步骤：

步骤1：考虑一个包含M个雾节点和K个用户的雾无线接入网系统，定义N＝{n₁，…，n_M}为雾节点集合的表达式，U＝{u₁，…，u_K}为用户集合的表达式。每个用户只能被一个雾节点所服务，而一个雾节点可以服务多个处于其覆盖范围内的移动用户。每个雾节点都具备存储能力且存储容量有限，定义雾节点n_m的存储容量为Q_m。相邻雾节点之间可以单跳通信，用于进行消息传递和缓存内容传输，即可以互相协作。

步骤2：将雾节点与用户的服务关系定义为一个M×K的矩阵L。其中，矩阵中的元素l_mk指示雾节点n_m和用户u_k之间的服务关系：l_mk＝1表示雾节点n_m服务于用户u_k；l_mk＝0表示雾节点n_m不服务用户u_k。定义雾节点n_m服务的用户的集合为U_m＝{u_k∈U|l_mk＝1}。

步骤3：将雾节点之间的协作关系定义为一个M×M的矩阵C。其中，矩阵中的元素c_mm′指示了雾节点n_m和雾节点n_m′之间的协作关系(其中，雾节点n_m和雾节点n_m′为两个不同的雾节点)：c_mm′＝1表示雾节点n_m和雾节点n_m′之间能进行协作；c_mm′＝0表示雾节点n_m和雾节点n_m′之间不能进行协作。定义能够与雾节点n_m进行协作的雾节点集合为C_m＝{n_m′∈N|c_mm′＝1}。

步骤4：假设整个网络总共存在Q种内容，每种内容的大小固定，定义所有内容的集合为F＝{f₁，…，f_Q}，这些内容全部存储于云数据中心的内容服务器中，并且根据需求雾节点可以从这些内容服务器中下载内容并缓存在自己的存储设备中。内容的流行度是根据全体用户的喜好来定的，定义内容喜好列表为[f_k1，…，f_kQ]，其中，f_ki定义为用户u_k对于内容

的喜好程度，值越大代表用户的喜好程度越高，被访问的概率也越高。定义p_kq为用户u_k访问内容f_q的概率。

步骤5：将雾节点与内容的存储关系定义为一个M×Q的缓存决策矩阵X。其中，矩阵中的元素x_mq指示了雾节点n_m和内容f_q的缓存关系：x_mq＝1表示雾节点n_m缓存了内容f_q；x_mq＝0表示雾节点n_m没有缓存内容f_q。由于协作雾节点之间可以进行内容的传输，当雾节点n_m所服务的用户u_k请求的内容没有缓存在雾节点n_m中时，雾节点n_m可以从与其协作的雾节点集合中寻找一个缓存了该内容的雾节点，并向它请求该内容；若存在多个协作雾节点缓存了该内容，则选择距离最近的协作雾节点向它发起请求。若存在雾节点n_m′缓存了该内容，则雾节点n_m′将内容传输给雾节点n_m，再由雾节点n_m传输给用户；若其协作雾节点也没有缓存该内容，则雾节点n_m从云数据中心的内容服务器下载该内容。

步骤6：整个Fog-RAN网络以用户下载时延最小化为目标，则所有雾节点的缓存放置问题可以建模为：

其中，

为全体用户的平均下载延迟；D_kq(·)为用户u_k从其接入雾节点n_m下载内容f_q的下载延迟；|f_q|为内容f_q的大小；R_mk为雾节点n_m到用户u_k的传输速率；D_nm为雾节点n_n与协作雾节点n_m之间的传输时延；I(·)为标志函数，当用户u_k的接入雾节点n_m的协作雾节点中缓存了内容f_q时为1，否则为0；D_C为云数据中心的内容服务器将内容传输给雾节点n_m的传输时延。

阶段二：采用基于广度优先的分布式决策方法缓存内容放置进行决策，具体包括如下步骤：

步骤1：各雾节点采用泛洪策略分布式地找到各自所在的网络拓扑图的连通子图。

步骤2：初始化缓存决策矩阵X和处理标记矢量T(T＝(t₁，…，t_M))，接着让各连通子图中雾节点编号最小的雾节点为每个连通子图初始化一个待处理队列P，然后将自身雾节点加入到待处理队列P中。

进一步，所述的缓存决策矩阵X初始化为M×Q的0矩阵；所述的处理标记矢量T初始化为0向量，维数等于所有雾节点的个数；所述的待处理队列P为一个先进先出队列，用于临时存放需要进行缓存内容放置决策的雾节点。

步骤3：从待处理队列P中按序取出一个雾节点n_m，然后采用拟阵约束的单调子模优化方法完成其缓存内容的决策。具体步骤如下：

步骤3.1：定义雾节点n_m的基础子集

为：

其中，元素

表示雾节点n_m缓存了内容f_q这一事件。基础子集

包含了雾节点n_m可以选择的所有缓存放置决策事件。

步骤3.2：定义边际收益

为：

其中，X′为雾节点n_m缓存一个新内容f_q之后的缓存决策矩阵，X为原来的缓存决策矩阵，边际收益

就是雾节点n_m缓存一个新内容f_q之后全体用户的平均下载延迟降低的数量。

步骤3.3：从雾节点n_m对应的基础子集

中逐个取出元素

计算边际收益

选择使得边际收益最大的元素

根据该元素更新缓存决策矩阵X。

步骤3.4：将元素

从基础子集

中移除。

步骤3.5：重复步骤3.3和3.4，直到雾节点n_m缓存内容的数量达到了该雾节点的缓存容量上限Q_m。

步骤4：更新处理标记矢量T和待处理队列P。具体方法如下：

步骤4.1：将雾节点n_m对应的处理标记分量t_m设置为1，表示雾节点n_m已经完成缓存内容决策。

步骤4.2：将雾节点n_m从待处理队列P中移除。

步骤4.3：根据协作关系矩阵C获取到雾节点n_m的协作雾节点，并根据处理标记矢量T判断其协作雾节点是否完成缓存内容决策。若未完成，则将该协作雾节点加入到待处理队列P中。

步骤5：若待处理队列P不为空，将P、T和X传输给P中的第一个雾节点，然后执行步骤3；否则，P为空，本连通子图的缓存内容决策完成。

本发明有益效果：

本发明提供的方法在对Fog-RAN网络的缓存放置问题建模时考虑了雾节点之间的协作，增加了一个协作关系矩阵用于表示雾节点之间的协作关系，并提出了一种新的计算整个网络中全体用户下载时延的目标函数。根据该模型提出了一种基于广度优先的分布式内容缓存放置决策算法，实现了对雾节点的内容缓存放置的有效决策，可以降低用户的平均下载时延，且算法的复杂度低，大大减少了计算耗时，与采用贪婪算法的方法相比提升了20％～30％的性能。

附图说明

图1为具有缓存功能的异构网络拓扑示意图；

图2为考虑协作的Fog-RAN缓存放置问题的建模和决策方法的流程图；

图3为一个具体实施例。

具体实施方式

以下通过特定的具体实例对本发明进行进一步详细说明。应当理解，此处所描述的具体实例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1为具有缓存功能的异构网络拓扑示意图，图2为本专利提供的考虑协作的Fog-RAN缓存放置问题的建模和决策方法的流程图，图3为具体实施例。

本发明专利公布的方法在对Fog-RAN网络的缓存放置问题建模时，考虑雾节点之间的协作：即当某个雾节点未缓存其服务用户所需内容时，先从与其协作的雾节点组成的集合中寻找是否存在某个协作雾节点缓存了所需的内容，若存在协作雾节点缓存了该内容，则先由该协作雾节点传输给当前雾节点，再由当前雾节点传输给用户，从而降低用户的平均下载时延。

针对上述问题模型，本发明公布了一种基于广度优先的分布式缓存内容放置决策方法，该方法首先找到Fog-RAN网络的雾节点连通子图，然后对每个子图最小编号的雾节点出发，采用受拟阵约束的单调子模优化方法解决它的缓存放置问题，然后根据广度优先策略找到与其协作的雾节点，解决它们的缓存放置问题，一直往下寻找，直到将Fog-RAN网络中所有的雾节点的缓存内容放置都完成了决策，以此得到Fog-RAN网络中缓存内容放置问题的一个次优解决方案。

下面，结合图2和图3详细阐述本发明公布的考虑协作的Fog-RAN网络缓存放置问题的建模和决策方法的流程。

阶段一：对Fog-RAN网络的缓存内容放置问题进行建模，该建模包括以下几个步骤：

步骤1：考虑一个包含M个雾节点和K个用户的雾无线接入网系统，定义N＝{n₁，…，n_M}为雾节点集合的表达式，U＝{u₁，…，u_K}为用户集合的表达式。每个用户只能被一个雾节点所服务，而一个雾节点可以服务多个处于其覆盖范围内的移动用户。每个雾节点都具备存储能力且存储容量有限，定义雾节点n_m的存储容量为Q_m。相邻雾节点之间可以单跳通信，用于进行消息传递和缓存内容传输。

步骤2：将雾节点与用户的服务关系定义为一个M×K的矩阵L。其中，矩阵中的元素l_mk指示了雾节点n_m和用户u_k之间的服务关系：l_mk＝1表示雾节点n_m服务于用户u_k；l_mk＝0表示雾节点n_m不服务用户u_k。定义雾节点n_m服务的用户的集合为U_m＝{u_k∈U|l_mk＝1}。

步骤3：将雾节点之间的协作关系定义为一个M×M的矩阵C。其中，矩阵中的元素c_mm′指示了雾节点n_m和雾节点n_m′之间的协作关系：c_mm’＝1表示雾节点n_m和雾节点n_m′之间能进行协作；c_mm′＝0表示雾节点n_m和雾节点n_m′之间不能进行协作。定义能够与雾节点n_m进行协作的雾节点集合为C_m＝{n_m′∈N|c_mm′＝1}。

步骤4：假设整个网络总共存在Q种内容，每种内容的大小固定，定义所有内容的集合为F＝{f₁，…，f_Q}，这些内容全部存储于云数据中心的内容服务器中，并且根据需求雾节点可以从这些内容服务器中下载内容并缓存在自己的存储设备中。内容的流行度是根据全体用户的喜好来定的，定义内容喜好列表为[f_k1，…，f_kQ]，其中，f_ki定义为用户u_k对于内容

的喜好程度，值越大代表用户的喜好程度越高，被访问的概率也越高。定义p_kq为用户u_k访问内容f_q的概率。

步骤5：将雾节点与内容的存储关系定义为一个M×Q的缓存决策矩阵X。其中，矩阵中的元素x_mq指示了雾节点n_m和内容f_q的缓存关系：x_mq＝1表示雾节点n_m缓存了内容f_q；x_mq＝0表示雾节点n_m没有缓存内容f_q。由于协作雾节点之间可以进行内容的传输，当雾节点n_m所服务的用户u_k请求的内容没有缓存在雾节点n_m中时，雾节点n_m可以从与其协作的雾节点集合中寻找一个缓存了该内容的雾节点，并向它请求该内容。若存在雾节点n_m′缓存了该内容，则雾节点n_m′将内容传输给雾节点n_m，再由雾节点n_m传输给用户；若其协作雾节点也没有缓存该内容，则雾节点n_m从云数据中心的内容服务器下载该内容。

步骤6：整个网络下所有雾节点的缓存放置问题，具体表示为：

其中，

为全体用户的平均下载延迟；D_kq(·)为用户u_k从其接入雾节点n_m下载内容f_q的下载延迟；|f_q|为内容f_q的大小；R_mk为雾节点n_m到用户u_k的传输速率；D_nm为雾节点n_n与协作雾节点n_m之间的传输时延；I(·)为标志函数，当用户u_k的接入雾节点n_m的协作雾节点中缓存了内容f_q时为1，否则为0；D_C为云数据中心的内容服务器将内容传输给雾节点n_m的传输时延。

进一步，整个网络下全体用户的平均下载延迟函数中的标志函数I(·)，具体表示为：

其中，C_m为雾节点n_m的协作雾节点的集合。

阶段二：采用基于广度优先的分布式决策方法缓存内容放置进行决策，具体包括如下步骤：

步骤1：各雾节点采用泛洪策略分布式地找到各自所在的网络拓扑图的连通子图。

如图3所示Fog-RAN网络场景，该场景共有13个雾节点，通过泛洪后构成两个连通子图，即由雾节点n₁，n₂，n₃，n₄，n₅，n₆，n₇，n₈组成的连通子图a和由雾节点n₉，n₁₀，n₁₁，n₁₂，n₁₃组成的连通子图b。

步骤2：初始化缓存决策矩阵X和处理标记矢量T(T＝(t₁，…，t_M))，接着让各连通子图中雾节点编号最小的雾节点为每个连通子图初始化一个待处理队列P，然后将自身加入到待处理队列P中。

进一步，所述的决策矩阵X初始化为M×Q的0矩阵；所述的处理标记矢量T初始化为0向量，维数等于连通子图的节点数；所述的待处理队列P为一个先进先出队列，用于临时存放需要进行缓存内容放置决策的雾节点。

图3所示例子中，对连通子图a而言，缓存决策矩阵X初始化为8×8的0矩阵，T初始化为8维0向量，雾节点n₁为连通子图a的待处理队列P的第一个元素。

步骤3：从待处理队列P中按序取出一个雾节点n_m，然后采用拟阵约束的单调子模优化方法完成其缓存内容的决策。具体步骤如下：

步骤3.1：定义雾节点n_m的基础子集

为：

其中，元素

表示雾节点n_m缓存了内容f_q这一事件。基础子集

包含了雾节点n_m可以选择的所有缓存放置决策。

步骤3.2：定义边际收益

为：

其中，X′为雾节点n_m缓存一个新内容f_q之后的缓存决策矩阵，X为原来的缓存决策矩阵，边际收益

就是雾节点n_m缓存一个新内容f_q之后全体用户的平均下载延迟降低的数量。

图3所示例子中，假设当前对元素

进行处理，则此时X应为8×8的0矩阵，X′的第1行第1列应为1，其它元素都为0。

步骤3.3：从雾节点n_m对应的基础子集

中逐个取出元素

计算边际收益

选择使得边际收益最大的元素

根据该元素更新缓存决策矩阵X。

步骤3.4：将元素

从基础子集

中移除。

图3所示例子中，假设步骤3.3执行完成后，雾节点n₁最大边际收益元素是

则将缓存决策矩阵X的元素x_1,2更新为1。然后将

从基础子集

中移除。

步骤3.5：重复步骤3.3和3.4，直到雾节点n_m缓存内容的数量达到了该雾节点的缓存容量上限Q_m。

步骤4：更新处理标记矢量T和待处理队列P。具体方法如下：

步骤4.1：将雾节点n_m对应的处理标记分量t_m设置为1，表示雾节点n_m已经完成缓存内容决策。

步骤4.2：将雾节点n_m从待处理队列P中移除。

步骤4.3：根据协作关系矩阵C获取到雾节点n_m的邻居节点，并根据处理标记矢量T判断其协作雾节点是否完成缓存内容决策。若未完成，则将其加入到待处理队列P中。

步骤5：若待处理队列P不为空，将P、T和X传输给P中的第一个节点，然后执行步骤3；否则，P为空，本连通子图的缓存内容决策完成。

图3所示例子中，当雾节点n₁完成缓存内容决策后，将其对应的处理标记分量t₁设置为1，即此时的T＝[1,0,0,0,0,0,0,0]，P＝{2,5,6}。由于P不为空，则会继续执行步骤3，然后开始雾节点n₂的缓存内容决策。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种Fog-RAN网络缓存放置问题的建模和决策方法，其特征在于包括两个阶段：

阶段一：对Fog-RAN网络的缓存内容放置问题进行建模，且建模时考虑雾节点之间的协作：即当某个雾节点未缓存其服务用户所需内容时，先从与其协作的雾节点集合中寻找是否存在某个协作雾节点缓存了所需的内容，若存在协作雾节点缓存了该内容，则先由该协作雾节点传输给当前雾节点，再由当前雾节点传输给用户，从而降低用户的平均下载时延；

阶段二：采用基于广度优先的分布式决策方法缓存内容放置进行决策；首先找到Fog-RAN网络的雾节点连通子图，然后从每个子图最小编号的雾节点出发，采用受拟阵约束的单调子模优化方法解决它的缓存放置问题，再然后根据广度优先策略找到与其协作的协作雾节点，解决它们的缓存放置问题，一直往下寻找，直到将Fog-RAN网络中所有的雾节点的缓存内容放置都完成决策；

阶段一所述的建模包括以下几个步骤：

步骤1：考虑一个包含M个雾节点和K个用户的雾无线接入网系统，定义N＝{n₁，...，n_M}为雾节点集合的表达式，U＝{u₁，...，u_K}为用户集合的表达式；每个用户只能被一个雾节点所服务，而一个雾节点可以服务多个处于其覆盖范围内的移动用户；每个雾节点都具备存储能力且存储容量有限，定义雾节点n_m的存储容量为Q_m；相邻雾节点之间可以单跳通信，用于进行消息传递和缓存内容传输，即可以互相协作；

步骤2：将雾节点与用户的服务关系定义为一个M×K的矩阵L；其中，矩阵中的元素l_mk指示雾节点n_m和用户u_k之间的服务关系：l_mk＝1表示雾节点n_m服务于用户u_k；l_mk＝0表示雾节点n_m不服务用户u_k；定义雾节点n_m服务的用户的集合为U_m＝{u_k∈U|l_mk＝1}；

步骤3：将雾节点之间的协作关系定义为一个M×M的矩阵C；其中，矩阵中的元素c_mm′指示了雾节点n_m和雾节点n_m′之间的协作关系，其中，雾节点n_m和雾节点n_m′为两个不同的雾节点；c_mm′＝1表示雾节点n_m和雾节点n_m′之间能进行协作；c_mm′＝0表示雾节点n_m和雾节点n_m′之间不能进行协作；定义能够与雾节点n_m进行协作的雾节点集合为C_m＝{n_m′∈N|c_mm′＝1}；

步骤4：假设整个网络总共存在Q种内容，每种内容的大小固定，定义所有内容的集合为F＝{f₁，...，f_Q}，这些内容全部存储于云数据中心的内容服务器中，并且根据需求雾节点可以从这些内容服务器中下载内容并缓存在自己的存储设备中；内容的流行度是根据全体用户的喜好来定的，定义内容喜好列表为[f_k1，...，f_kQ]，其中，f_ki定义为用户u_k对于内容

的喜好程度，值越大代表用户的喜好程度越高，被访问的概率也越高；定义p_kq为用户u_k访问内容f_q的概率；

步骤5：将雾节点与内容的存储关系定义为一个M×Q的缓存决策矩阵X；其中，矩阵中的元素x_mq指示了雾节点n_m和内容f_q的缓存关系：x_mq＝1表示雾节点n_m缓存了内容f_q；x_mq＝0表示雾节点n_m没有缓存内容f_q；由于协作雾节点之间可以进行内容的传输，当雾节点n_m所服务的用户u_k请求的内容没有缓存在雾节点n_m中时，雾节点n_m可以从与其协作的雾节点集合中寻找一个缓存了该内容的雾节点，并向它请求该内容；若存在多个协作雾节点缓存了该内容，则选择距离最近的协作雾节点向它发起请求；若存在雾节点n_m′缓存了该内容，则雾节点n_m′将内容传输给雾节点n_m，再由雾节点n_m传输给用户；若其协作雾节点也没有缓存该内容，则雾节点n_m从云数据中心的内容服务器下载该内容；

步骤6：整个Fog-RAN网络以用户下载时延最小化为目标，则所有雾节点的缓存放置问题可以建模为：

其中，

为全体用户的平均下载延迟；D_kq(·)为用户u_k从其接入雾节点n_m下载内容f_q的下载延迟；|f_q|为内容f_q的大小；R_mk为雾节点n_m到用户u_k的传输速率；D_nm为雾节点n_n与协作雾节点n_m之间的传输时延；I(·)为标志函数，当用户u_k的接入雾节点n_m的协作雾节点中缓存了内容f_q时为1，否则为0；D_C为云数据中心的内容服务器将内容传输给雾节点n_m的传输时延。

2.根据权利要求1所述的一种Fog-RAN网络缓存放置问题的建模和决策方法，其特征在于阶段二具体包括如下步骤：

步骤(1)：各雾节点采用泛洪策略分布式地找到各自所在的网络拓扑图的连通子图；

步骤(2)：初始化缓存决策矩阵X和处理标记矢量T(T＝(t₁，...，t_M))，接着让各连通子图中雾节点编号最小的雾节点为每个连通子图初始化一个待处理队列P，然后将自身雾节点加入到待处理队列P中；

步骤(3)：从待处理队列P中按序取出一个雾节点nm，然后采用拟阵约束的单调子模优化方法完成其缓存内容的决策；

步骤(4)：更新处理标记矢量T和待处理队列P；

步骤(5)：若待处理队列P不为空，将P、T和X传输给P中的第一个雾节点，然后执行步骤(3)；否则，P为空，本连通子图的缓存内容决策完成。

3.根据权利要求2所述的一种Fog-RAN网络缓存放置问题的建模和决策方法，其特征在于所述的缓存决策矩阵X初始化为M×Q的0矩阵；所述的处理标记矢量T初始化为0向量，维数等于所有雾节点的个数；所述的待处理队列P为一个先进先出队列，用于临时存放需要进行缓存内容放置决策的雾节点。

4.根据权利要求2或3所述的一种Fog-RAN网络缓存放置问题的建模和决策方法，其特征在于步骤(3)具体步骤如下：

步骤3.1：定义雾节点n_m的基础子集

为：

其中，元素

表示雾节点n_m缓存了内容f_q这一事件；基础子集

包含了雾节点n_m可以选择的所有缓存放置决策事件；

步骤3.2：定义边际收益

为：

其中，X′为雾节点n_m缓存一个新内容f_q之后的缓存决策矩阵，X为原来的缓存决策矩阵，边际收益

就是雾节点n_m缓存一个新内容f_q之后全体用户的平均下载延迟降低的数量；

步骤3.3：从雾节点n_m对应的基础子集

中逐个取出元素

计算边际收益

选择使得边际收益最大的元素

根据该元素更新缓存决策矩阵X；

步骤3.4：将元素

从基础子集

中移除；

步骤3.5：重复步骤3.3和3.4，直到雾节点n_m缓存内容的数量达到了该雾节点的缓存容量上限Q_m。

5.根据权利要求4所述的一种Fog-RAN网络缓存放置问题的建模和决策方法，其特征在于步骤(4)具体步骤如下：

步骤4.1：将雾节点n_m对应的处理标记分量t_m设置为1，表示雾节点n_m已经完成缓存内容决策；

步骤4.2：将雾节点n_m从待处理队列P中移除；

步骤4.3：根据协作关系矩阵C获取到雾节点n_m的协作雾节点，并根据处理标记矢量T判断其协作雾节点是否完成缓存内容决策；若未完成，则将该协作雾节点加入到待处理队列P中。

Images