CN112887943B - 一种基于中心度的缓存资源分配方法及系统 - Google Patents
一种基于中心度的缓存资源分配方法及系统 Download PDFInfo
- Publication number
- CN112887943B CN112887943B CN202110107180.3A CN202110107180A CN112887943B CN 112887943 B CN112887943 B CN 112887943B CN 202110107180 A CN202110107180 A CN 202110107180A CN 112887943 B CN112887943 B CN 112887943B
- Authority
- CN
- China
- Prior art keywords
- nodes
- node
- value
- cache
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/51—Allocation or scheduling criteria for wireless resources based on terminal or device properties
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于中心度的缓存资源分配方法及系统,该方法包括:根据D2D通信范围进行分簇,根据网络中节点的社交属性,在同一簇内分为多个社交网络层,具有相同属性的节点组成同一社交层;具有多个社交属性的节点同时属于多个社交层;建立网络中节点之间的D2D链路,计算两两节点之间的链路权重,进而计算各节点的中心度值,然后在每个社交层中选择中心度值最大的节点为缓存节点;在得到各节点的中心度值之后,首先建立系统性能的目标函数,根据各节点的中心度值,通过凸优化求解方法求解最佳分配结果。该方法及系统有利于提供一个低成本、低复杂度且适用于D2D协作缓存场景的缓存资源分配方案,提高缓存资源分配方案的系统性能。
Description
技术领域
本发明属于通信技术领域,特别涉及一种基于中心度的缓存资源分配方法及系统。
背景技术
D2D协作缓存是5G通信学科的一个重要研究方向。D2D通信是指在一定距离范围内的用户通信设备不通过其他网络基础设施直接进行通信,以降低对服务基站的负荷。D2D缓存是指将用户可能会请求的文件提前缓存至用户终端设备,在用户请求文件时,如果自身终端或邻近终端有已缓存文件,可以不通过服务基站,直接在设备间建立通信链路传输文件,极大的节省了回程链路,节约网络资源,在通信领域具有良好的发展前景。与传统通信相比,支持缓存的网络系统可以更加快速的获得请求文件,降低了请求文件的传输延时,提升服务质量,提高用户满意度。且现在用户终端的缓存空间越来越大,采用协作缓存技术,不但可以有效利用用户终端空闲的缓存空间,且缓存方法愈加完善,可以大规模推广。同时,且不同D2D对可以同时复用同一频谱资源,且缓存文件可以多次传输,具有良好通信性能。在网络数据流增长速度爆发的5G通信时代,具有非常大的发展优势。为了提升缓存空间的高效利用,研究人员结合社交属性进行协作缓存,改进D2D通信系统自身的缓存文件命中率和请求量等问题。
申请号为CN201610865044.X的中国专利公开了一种移动终端缓存空间的分配控制方法,该方法能够在不使用网络基础设施的情况下,由移动终端节点组成的多跳的自治数据传输系统。该方法首先设定一个缓存阈值,收集网络信息,根据每个终端节点统计单位时间内到达节点的信息数和前n条请求的服务时间,动态调整缓存大小,为终端节点间消息存储、携带、转发动态地分配缓存空间。该方法虽然有助于节点动态分配缓存大小以提升用户体验,但在自媒体时代,各种APP难以及时分配,实际应用中计算复杂度较高,造成了缓存空间分配控制方法使用受限,因此仍存在着很大的改进空间。
发明内容
本发明的目的在于提供一种基于中心度的缓存资源分配方法及系统,该方法及系统有利于提供一个低成本、低复杂度且适用于D2D协作缓存场景的缓存资源分配方案,提高缓存资源分配方案的系统性能。
为实现上述目的,本发明采用以下方案:一种基于中心度的缓存资源分配方法,包括以下步骤:
根据D2D通信范围进行分簇,根据网络中节点的社交属性,在同一簇内分为多个社交网络层,具有相同属性的节点组成同一社交层;具有多个社交属性的节点,即公共节点,则同时属于多个社交层;
建立网络中节点之间的D2D链路,计算两两节点之间的链路权重,进而计算各节点的中心度值,然后在每个社交层中选择中心度值最大的节点为缓存节点;
在得到各节点的中心度值之后,首先建立系统性能的目标函数,根据各节点的中心度值,通过凸优化求解方法求解最佳分配结果,得到缓存资源分配方案。
进一步地,同一社交层的节点之间直接建立D2D链路,不同社交层的节点先链接至公共节点,再由公共节点链接目的节点。
进一步地,各节点中心度值的计算方法为:基于节点之间的距离计算两两节点之间的链路权重,分属于不同社交层的节点之间的链路权重由两条链路权重的乘积得到;累加节点与网络中其他节点间链路的链路权重即得到该节点的中心度值。
进一步地,通过路径损耗来计算节点之间的链路权重,具体方法为:根据路径损耗模型,计算出通信半径处的路径损耗值,将该值等分为9份,记录下这9个路径损耗值对应的距离为xw=[x1,x2,...,x9],从近到远,分别赋值0.9~0.1,然后计算节点之间的距离,同一社交层节点的链路权重,被赋值为相对应距离矩阵xw区间中的值;跨层节点之间的通信通过一个公共节点完成多跳链接,则跨节点之间的链路权重为两条链路权重的乘积;采用的路径损耗模型如下:
PL(dB)=79+40log(d)+30log(fc) (1)
式中,d为节点之间的距离,fc为通信系统中的载波频率,链路被赋值权重之后,计算各节点的中心度值;
将一个节点与其他节点的所有链路权重累加起来,即为其中心度值;同时设置该层节点数量在该簇内总节点数量的占比作为调整参数;则节点的中心度值的计算公式为:
式中,Wij表示节点i和同层节点j之间的权重值,Wik表示节点i和公共节点之间的权重值,Win表示节点i和跨层节点n之间的权重值;其中调整参数分别表示为:
其中,N1表示节点所在的社交层1的节点数量,N2表示跨层节点所在的社交层2的节点数量,N3表示公共节点所在的公共层的节点数量;
计算出各节点的中心度值后,在每个社交层中选择中心度值最大的节点作为缓存节点。
进一步地,在选择出每个社交层中的缓存节点之后,求其可分配的缓存资源的大小;首先将其值代入缓存空间分配算法的目标函数中,使用凸优化求解方法求解最优值,具体方法为:
以最大限度实现缓存资源的效用值为目标,建立目标函数为:
其中,Eu表示系统可实现的缓存资源效用值,N表示选择出的N个缓存节点,Cn表示第n个节点的中心度值,Sn表示第n个节点被分配的缓存资源大小,N0表示调整参数,Ssum表示系统需要的总缓存空间;
该问题是凸优化问题,通过拉格朗日乘子法获得最优解:
对上式求一阶偏导,并令其等于0,则有:
由式(9)可知,缓存资源分配为:
式中,λ是拉格朗日乘子,λ是一个未知数,通过式(7)求得:
将计算得到的λ代入公式(10),得到最佳缓存资源分配为:
其中(·)+表示该值为非负。
本发明还提供了一种基于中心度的缓存资源分配系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
相较于现有技术,本发明具有以下有益效果:本发明结合适用于D2D社交网络的影响中心度计算方法和缓存空间分配算法,利用网络中节点社交属性建立的D2D链路和依据路径损耗定义的链路权重得到中心度值,以此为依据进行缓存资源分配,从而提供了一个低成本、低复杂度且适用于D2D协作缓存场景的缓存资源分配方案,改进了缓存资源分配方案的系统性能。整个缓存资源分配方案无需海量的用户数据进行处理分类,降低了计算复杂度,丰富了D2D协作缓存系统的应用场景,为高可靠、低时延的短距离通信系统提供了备选方案。
附图说明
图1为本发明实施例的方法实现流程图。
图2为本发明实施例中基于路径损耗定义权重值的距离区间划分示意图。
图3为相同分布条件下,本发明所提出的方案与平均分配、按比例分配的性能对比图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
图1是本发明方法的流程图,其展示了节点在网络系统中得到缓存资源分配结果的整个计算过程。如图1所示,本实施例提供了一种基于中心度的缓存资源分配方法,包括以下步骤:
1、影响中心度的计算
在通信系统范围内,根据D2D通信范围进行分簇,簇内节点进行协作缓存。根据网络中节点的社交属性,在同一簇内分为多个社交网络层,具有相同属性的节点组成同一社交层;具有多个社交属性的节点,即公共节点,则同时属于多个社交层。
建立网络中节点之间的D2D链路,计算两两节点之间的链路权重,进而计算各节点的中心度值,然后在每个社交层中选择中心度值最大的节点为缓存节点。
其中,同一社交层的节点之间直接建立D2D链路,不同社交层的节点先链接至公共节点,再由公共节点链接目的节点。各节点中心度值的计算方法为:基于节点之间的距离计算两两节点之间的链路权重,分属于不同社交层的节点之间的链路权重由两条链路权重的乘积得到;累加节点与网络中其他节点间链路的链路权重即得到该节点的中心度值。
节点之间的链路权重通过路径损耗来计算。D2D通信具有较小的通信半径,根据路径损耗模型,计算出通信半径处的路径损耗值,将该值等分为9份,记录下这9个路径损耗值对应的距离为xw=[x1,x2,...,x9],从近到远,分别赋值0.9~0.1,距离区间的划分如图2所示。然后计算节点之间的距离,同一社交层节点的链路权重,被赋值为相对应距离矩阵xw区间中的值;跨层节点之间的通信通过一个公共节点完成多跳链接,则跨节点之间的链路权重为两条链路权重的乘积。采用的路径损耗模型如下:
PL(dB)=79+40log(d)+30log(fc) (1)
式中,d为节点之间的距离,fc为通信系统中的载波频率,链路被赋值权重之后,计算各节点的中心度值;
中心度的计算考虑了用户节点间的社交属性,且节点间不同的距离,定义不同的链路权重。将一个节点与其他节点的所有链路权重累加起来,即为其中心度值。同时设置该层节点数量在该簇内总节点数量的占比作为调整参数。则节点的中心度值的计算公式为:
式中,Wij表示节点i和同层节点j之间的权重值,Wik表示节点i和公共节点之间的权重值,Win表示节点i和跨层节点n之间的权重值;其中调整参数分别表示为:
其中,N1表示节点所在的社交层1的节点数量,N2表示跨层节点所在的社交层2的节点数量,N3表示公共节点所在的公共层的节点数量。
计算出各节点的中心度值后,在每个社交层中选择中心度值最大的节点作为缓存节点。
2、缓存资源的分配
在得到各节点的中心度值之后,首先建立通信系统性能的目标函数,根据各节点的中心度值,通过凸优化求解方法求解最佳分配结果,得到缓存资源分配方案。中心度值越大,表明该节点在网络中越重要,分配到的缓存空间越大,反之则分配的越小或者不给其分配,以提高系统性能。现对具体实现过程说明如下。
在选择出每个社交层中的缓存节点之后,求其可分配的缓存资源的大小,过程如图1所示。首先将其值代入建立的CSA算法的目标函数中,使用凸优化求解方法求解最优值。
为了更加有效、合理地分配用户的缓存资源,本发明以最大限度实现缓存资源的效用值为目标,建立目标函数为:
其中,Eu表示系统可实现的缓存资源效用值,N表示选择出的N个缓存节点,Cn表示第n个节点的中心度值,Sn表示第n个节点被分配的缓存资源大小,N0表示调整参数,Ssum表示系统需要的总缓存空间;
该问题是凸优化问题,通过拉格朗日乘子法获得最优解:
对上式求一阶偏导,并令其等于0,则有:
由式(9)可知,缓存资源分配为:
式中,λ是拉格朗日乘子,λ是一个未知数,通过式(7)求得:
将计算得到的λ代入公式(10),得到最佳缓存资源分配为:
其中(·)+表示该值为非负。
综合上面的计算过程,本发明方案并不需要处理海量的用户请求数据来进行分析统计,且没有包含复杂操作,而仅仅需要比较操作、加法运作和简单的导函数运算。因此该发明方案是一种低成本和低复杂度的缓存资源分配方案。
本发明还提供了一种基于中心度的缓存资源分配系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
为了验证本发明的有效性,本发明在相同用户分布的情况下,同时对平均CSA和依据影响中心度值的按比例分配缓存资源两种常用分配方法进行性能对比。
参见图3,展示了相同的节点分布情况下,本发明分配方案、平均缓存资源分配和按比例分配缓存资源方案的系统性能比较。X轴表示总缓存资源的大小,经多次仿真验证可知,在缓存资源过大或过小时,这三种分配方案实现的系统性能较为接近,而当缓存资源适中时,本发明所提出的CSA方案,与其他两种方法相比,性能提升最高可达11%。验证了该分配方案有较好的性能表现,证明了本发明提出的缓存资源分配方案在实际D2D协作缓存通信中的可行性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (4)
1.一种基于中心度的缓存资源分配方法,其特征在于,包括以下步骤:
根据D2D通信范围进行分簇,根据网络中节点的社交属性,在同一簇内分为多个社交网络层,具有相同属性的节点组成同一社交层;具有多个社交属性的节点,即公共节点,则同时属于多个社交层;
建立网络中节点之间的D2D链路,计算两两节点之间的链路权重,进而计算各节点的中心度值,然后在每个社交层中选择中心度值最大的节点为缓存节点;
在得到各节点的中心度值之后,首先建立系统性能的目标函数,根据各节点的中心度值,通过凸优化求解方法求解最佳分配结果,得到缓存资源分配方案;
通过路径损耗来计算节点之间的链路权重,具体方法为:根据路径损耗模型,计算出通信半径处的路径损耗值,将该值等分为9份,记录下这9个路径损耗值对应的距离为xw=[x1,x2,…,x9],从近到远,分别赋值0.9~0.1,然后计算节点之间的距离,同一社交层节点的链路权重,被赋值为相对应距离矩阵xw区间中的值;跨层节点之间的通信通过一个公共节点完成多跳链接,则跨节点之间的链路权重为两条链路权重的乘积;采用的路径损耗模型如下:
PL(dB)=79+40log(d)+30log(fc) (1)
式中,d为节点之间的距离,fc为通信系统中的载波频率,链路被赋值权重之后,计算各节点的中心度值;
将一个节点与其他节点的所有链路权重累加起来,即为其中心度值;同时设置该层节点数量在该簇内总节点数量的占比作为调整参数;则节点的中心度值的计算公式为:
式中,Wij表示节点i和同层节点j之间的权重值,Wik表示节点i和公共节点之间的权重值,Win表示节点i和跨层节点n之间的权重值;其中调整参数分别表示为:
其中,N1表示节点所在的社交层1的节点数量,N2表示跨层节点所在的社交层2的节点数量,N3表示公共节点所在的公共层的节点数量;
计算出各节点的中心度值后,在每个社交层中选择中心度值最大的节点作为缓存节点;
在选择出每个社交层中的缓存节点之后,求其可分配的缓存资源的大小;首先将其值代入缓存空间分配算法的目标函数中,使用凸优化求解方法求解最优值,具体方法为:
以最大限度实现缓存资源的效用值为目标,建立目标函数为:
其中,Eu表示系统可实现的缓存资源效用值,N表示选择出的N个缓存节点,Cn表示第n个节点的中心度值,Sn表示第n个节点被分配的缓存资源大小,N0表示调整参数,Ssum表示系统需要的总缓存空间;
该问题是凸优化问题,通过拉格朗日乘子法获得最优解:
对上式求一阶偏导,并令其等于0,则有:
由式(9)可知,缓存资源分配为:
式中,λ是拉格朗日乘子,λ是一个未知数,通过式(7)求得:
将计算得到的λ代入公式(10),得到最佳缓存资源分配为:
其中(·)+表示该值为非负。
2.根据权利要求1所述的一种基于中心度的缓存资源分配方法,其特征在于,同一社交层的节点之间直接建立D2D链路,不同社交层的节点先链接至公共节点,再由公共节点链接目的节点。
3.根据权利要求2所述的一种基于中心度的缓存资源分配方法,其特征在于,各节点中心度值的计算方法为:基于节点之间的距离计算两两节点之间的链路权重,分属于不同社交层的节点之间的链路权重由两条链路权重的乘积得到;累加节点与网络中其他节点间链路的链路权重即得到该节点的中心度值。
4.一种基于中心度的缓存资源分配系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-3任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110107180.3A CN112887943B (zh) | 2021-01-27 | 2021-01-27 | 一种基于中心度的缓存资源分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110107180.3A CN112887943B (zh) | 2021-01-27 | 2021-01-27 | 一种基于中心度的缓存资源分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112887943A CN112887943A (zh) | 2021-06-01 |
CN112887943B true CN112887943B (zh) | 2022-07-08 |
Family
ID=76052471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110107180.3A Active CN112887943B (zh) | 2021-01-27 | 2021-01-27 | 一种基于中心度的缓存资源分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887943B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114205791B (zh) * | 2021-12-13 | 2024-08-06 | 西安电子科技大学 | 一种基于深度q学习的社交感知d2d协同缓存方法 |
CN115426213B (zh) * | 2022-09-01 | 2023-11-10 | 厦门立林科技有限公司 | 语音面板设备唤醒方法、语音面板设备、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015135561A1 (en) * | 2014-03-10 | 2015-09-17 | Nokia Solutions And Networks Oy | Distribution of popular content between user nodes of a social network community via direct proximity-based communication |
CN105721600A (zh) * | 2016-03-04 | 2016-06-29 | 重庆大学 | 一种基于复杂网络度量的内容中心网络缓存方法 |
CN106162724A (zh) * | 2016-07-20 | 2016-11-23 | 重庆信科设计有限公司 | 一种基于社交网络的d2d设备发现方法 |
CN108521640A (zh) * | 2018-02-27 | 2018-09-11 | 北京邮电大学 | 一种蜂窝网络中的内容分发方法 |
CN108876646A (zh) * | 2018-06-21 | 2018-11-23 | 广东技术师范学院 | 一种基于节点社交特性的d2d缓存方法 |
CN110198341A (zh) * | 2019-04-19 | 2019-09-03 | 华中科技大学 | 一种基于内容流行度和节点中心度的协同缓存方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107249205B (zh) * | 2017-06-27 | 2019-08-16 | 北京邮电大学 | 一种资源分配方法、装置及用户终端 |
-
2021
- 2021-01-27 CN CN202110107180.3A patent/CN112887943B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015135561A1 (en) * | 2014-03-10 | 2015-09-17 | Nokia Solutions And Networks Oy | Distribution of popular content between user nodes of a social network community via direct proximity-based communication |
CN105721600A (zh) * | 2016-03-04 | 2016-06-29 | 重庆大学 | 一种基于复杂网络度量的内容中心网络缓存方法 |
CN106162724A (zh) * | 2016-07-20 | 2016-11-23 | 重庆信科设计有限公司 | 一种基于社交网络的d2d设备发现方法 |
CN108521640A (zh) * | 2018-02-27 | 2018-09-11 | 北京邮电大学 | 一种蜂窝网络中的内容分发方法 |
CN108876646A (zh) * | 2018-06-21 | 2018-11-23 | 广东技术师范学院 | 一种基于节点社交特性的d2d缓存方法 |
CN110198341A (zh) * | 2019-04-19 | 2019-09-03 | 华中科技大学 | 一种基于内容流行度和节点中心度的协同缓存方法和系统 |
Non-Patent Citations (2)
Title |
---|
Deep Learning and Social Relationship Based Cooperative Caching Strategy for D2D Communications;Lingyu Ma;《2019 11th International Conference on Wireless Communications and Signal Processing(WCSP)》;20191009;全文 * |
可重构网络中基于中心度与拓扑势排序的资源分配算法;王子厚;《通信学报》;20120831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112887943A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN110247793B (zh) | 一种移动边缘云中的应用程序部署方法 | |
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 | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
CN108900355B (zh) | 一种星地多级边缘网络资源分配方法 | |
CN111124531B (zh) | 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法 | |
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 | |
CN112887943B (zh) | 一种基于中心度的缓存资源分配方法及系统 | |
CN112004265B (zh) | 一种基于srm算法的社交网络资源分配方法 | |
CN109743217B (zh) | 一种基于svra算法的自适应资源调节方法 | |
CN115297171B (zh) | 一种蜂窝车联网分级决策的边缘计算卸载方法及系统 | |
CN110233755A (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN109412661B (zh) | 一种大规模mimo系统下的用户分簇方法 | |
Khan et al. | On the application of agglomerative hierarchical clustering for cache-assisted D2D networks | |
CN110719641A (zh) | 边缘计算中用户卸载与资源分配联合优化方法 | |
Al-Zubaedi et al. | A parameterized and optimized BBU pool virtualization power model for C-RAN architecture | |
CN107949007A (zh) | 无线缓存系统中基于拍卖理论的一种资源分配算法 | |
Sun et al. | A DQN-based cache strategy for mobile edge networks | |
CN110380906B (zh) | 一种大规模多维融合的虚拟网络映射方法 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
CN106793122B (zh) | 一种异构网络每比特最小化无线资源安全分配方法 | |
CN117669741A (zh) | 基于遗传算法的无人机集群大小模型动态协同推理方法 | |
CN111954230B (zh) | 基于mec与密集云接入网融合的计算迁移与资源分配方法 | |
CN111556531A (zh) | 一种微蜂窝无线网中的协作缓存优化方法 | |
Chen et al. | User association in cache-enabled ultra dense network with JT CoMP |
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 |