移动边缘计算中基于内容流行度的深度强化学习缓存机制

随着5G商用的推进,涌现出大量依赖高速率、低时延的新应用,混合现实(Mixed Reality,MR)就是其中之一.考虑到从中心云传输服务内容到MR设备会带来很大时延和能耗问题,引入移动边缘计算(Mobile Edge Compu?ting,MEC)技术,通过在MEC服务器上缓存用户的预渲染环境帧,以减少延迟和能耗.针...     

移动边缘计算中基于联邦学习的视频请求预测和协作缓存策略

随着互联网社交平台的崛起和移动智能终端设备的普及,自媒体短视频、直播等视频业务蓬勃发展,人们对高质量视频服务的需求也急剧上升。与此同时,连接到核心网络的大量智能设备增加了回程链路的负载,传统的云计算难以满足用户对视频服务的低延迟要求。移动边缘计算(MEC)通过在网络边缘部署具有计算和存储能力的边缘节点,通过在更靠近用户的边缘侧提高计算和存储服务,降低了数据传输时延进而缓解了网络阻塞。因此,基于MEC架构,该文充分利用网络边缘资源,提出了基于联邦学习的视频请求预测和视频协作缓存策略。通过利用多个边缘节点对提出的深度请求预测模型(DRPN)视频请求预测模型进行联邦训练,预测视频未来的请求情况,然后量化缓存内容所带来的时延收益并协作地以最大化该时延收益为目的进行缓存决策。该文分析了真实数据集MovieLens,模拟了视频请求缓存场景并进行实验。仿真结果表明,相比于其他策略,所提策略不仅能有效降低用户等待时延,在有限的缓存空间中提高内容多样性,从而提高缓存命中率,降低缓存成本,还能降低整个系统的通信成本。     

D2D协作边缘缓存系统中基于传输时延的缓存策略

为了满足5G系统低时延高可靠的需求,针对单缓存终端直传(D2D)协作边缘缓存系统,提出了一种基于传输时延的缓存策略。运用随机几何理论,将请求用户和空闲用户的动态分布建模为相互独立的齐次泊松点过程,综合考虑内容流行度、用户位置信息、设备传输功率以及干扰,推导出用户的平均传输时延与缓存概率分布的关系式。以平均传输时延为目标函数建立优化问题,提出了一个低复杂度的迭代算法,得到平均传输时延次优的缓存策略。仿真结果表明,该缓存策略在传输时延方面优于常见的几种缓存策略。     

基于可重构路由器上缓存的流媒体协作分发策略

提出一种新颖的基于可重构路由器上缓存的协作分发策略来加速流媒体。通过网络存储即多个边缘路由器节点对热点视频数据进行合作缓存,就近为用户提供服务,从而使得流媒体服务器的性能要求尤其是带宽需求得到巨大的降低,骨干网传输的流量也明显减少,同时用户响应延迟也得到明显的改善。此外,实现了一个原型系统来评价基于路由器上缓存的流媒体协作分发策略的性能,结果表明该方案相比于现有的方案在改善网络性能以及用户体验方面取得很大的提升。     

移动边缘计算卸载技术综述

移动边缘计算(Mobile Edge Computing,MEC)将云服务器的计算资源扩展到更靠近用户一侧的网络边缘,使得用户可以将任务卸载到边缘服务器,从而克服原先云计算中将任务卸载到云服务器所带来的高时延问题。首先介绍了移动边缘计算的基本概念、基本框架和应用场景,然后围绕卸载决策、联合资源分配的卸载决策分别从单MEC服务器和多MEC服务器两种场景总结了任务卸载技术的研究现状,最后结合当前MEC卸载技术中存在的不足展望了未来MEC卸载技术的研究。     

面向5G-ICN切片的分层缓存策略

多接入边缘计算(Multiple Access Edge Computing,MEC)和网络切片在5G网络中扮演了重要角色。网络切片的灵活可编程性和MEC的去中心化促进了信息中心网络(Information Centric Network,ICN)的部署。但是,ICN中缓存资源分配的位置和数量严重影响了运营商的收益。为此,首先将移动虚拟网络运营商(Mobile Virtual Network Operator,MVNO)和多个内容提供商(Content Provider,CP)建模为一主多从的Stackelberg博弈;其次,将MVNO内部的缓存资源分配建模为一个联合缓存成本和传输能耗的混合整数规划问题,并利用改进的精英遗传算法得到最佳位置;最后,通过博弈迭代算法得到运营商的最优定价和CP的最优放置数量。仿真结果表明,该算法具有较高的有效性以及较好的缓存资源分配能力,能够降低传输能耗和缓存成本,与贪婪搜索(Iteration Greedy Search,IGS)算法、联合缓存分配和延时控制(Joint Cache Allocation and Delay Control,JCADC)算法相比传输能耗分别节省了5%、11%,运营商的收益分别提高了32%、44%。     

车联网中基于信息年龄价值的边缘缓存策略

随着第五代移动通信（5G）技术的快速发展,车联网（Internet of Vehicles,IoV）已成为5G的重要应用场景之一.针对IoV应用对即时性内容缓存的迫切需求,本文研究了支持动态内容缓存的移动边缘缓存方案以确保动态内容的时效性,该方案允许车辆从边缘缓存接入点（Caching-enabled Access Point,CAP）获得具有新鲜度约束的缓存内容.此外,本文基于协作缓存,利用概率论建立了CAP缓存刷新和交付的随机模型.同时,以基于信息年龄（Age of Information,AoI）的缓存命中率为IoV缓存的服务质量（Quality of Service,QoS）指标,建立了系统缓存命中的价值模型.为确保缓存内容的有效性,本文在分层切片框架中考虑了两种具有不同AoI要求的车辆内容请求.最后,本文提出了一个基于协作内容放置的系统内容缓存命中价值最大化的优化问题,这是一个NP-hard多目标多维多选择背包问题.因此,本文将其划分为若干个相互独立的优化问题并设计了一种基于内容年龄价值的最大增量算法进行求解.仿真结果表明,本文采用的CAP协作内容放置策略的性能优于其他传统方...     

一种面向移动边缘计算的多用户细粒度任务卸载调度方法

在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环图(Directed Acyclic Graph,DAG),对节点的执行位置和调度顺序进行了优化决策.考虑系统的延迟把计算卸载看作一个约束多目标优化问题(Constrained Multi-object Optimization Problem,CMOP),提出了一个改进的NSGA-Ⅱ算法来解决CMOP.所提出的算法能够实现本地和边缘的并行处理从而减少延迟.实验结果表明,算法能够在实际应用程序中做出最优决策.     

移动边缘网络中基于用户移动的服务功能链迁移策略

移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Service Function Chain,SFC),提升用户的业务体验。为了保证移动用户的服务质量,需要在用户跨基站移动时将SFC迁移到合适的边缘服务器上。主要以最小化用户服务的端到端时延和运行成本为目标,提出了MEC网络中具有资源容量约束的SFC迁移策略,以实现移动用户业务的无缝迁移。仿真结果表明,与现有方案相比,该策略具有更好的有效性和高效性。     

P2P缓存系统中总开销最小的协作缓存策略

为降低P2P缓存系统中的全局开销,提出一种基于总开销最小的协作缓存策略。该策略综合考虑P2P缓存系统中的传输开销和存储开销,使用跨ISP域间链路开销、流行度、文件大小、存储开销来衡量文件的缓存增益。需要替换时,首先替换掉缓存增益最小的内容。实验结果表明,所提策略能够有效降低系统的总开销。     

一种基于GPRS网络的缓存一致性策略

提出了在GPRS网络中加入一个验证服务器VS维护无线移动环境下的缓存一致性的策略,利用GPRS骨干网中SGSN的有关移动终端的位置信息和用户访问的局域性,有针对性地只向在线终端发送所缓存数据的失效信息,有效地降低异步传输中的信息量。性能分析表明,该策略简化了维护缓存一致性的复杂性,使用很少的移动终端计算量,支持任意断开连接时间和一个PLMN网内的漫游。     

车联网中的协同通信平均传输时间计算

车联网(Internet of Vehicles,Io V)是智能交通和通信领域的热点课题,协同通信算法的研究是Io V通信的重要技术之一。针对Io V环境下因通信拓扑结构快速变化导致数据信号利用单一通信方式难以高效传输的问题,提出Io V环境下协同通信算法,利用车对车(Vehicle-to-Vehicle,V2V)和车对路(Vehicle-to-Infrastructure,V2I)协同通信方法,对目标数据从请求到完成的平均传输时间进行了理论分析和推导。仿真结果表明,该算法的传输效率比基于移动边缘计算(Mobile Edge Computing,MEC)车联网协作传输算法提升40%,比基于分簇V2X车载广播传输算法提升25%;该算法的平均传输时间随着路侧单元(Road Side Unit,RSU)缓存概率从0.5增加至1可提高9%,随着车辆缓存概率从0.5增加至1可提高46%。     

MEC系统中基于多智能体深度增强学习的协作式任务卸载和资源分配

移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上,在缓解智能移动设备计算负载的同时,可以降低服务时延。然而目前在MEC系统中,关于任务卸载和资源分配仍然存在以下问题：1)边缘节点间缺乏协作;2)计算任务到达与实际环境中动态变化的特征不匹配;3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题,文章在协作式MEC架构的基础上,提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法,最小化系统中所有用户的长期平均成本。仿真结果表明,该算法可以有效降低系统的时延及能耗。     

车联网云边协同计算场景下的多目标优化卸载决策

车联网场景下的计算任务对时延非常敏感,需要云边协同计算来满足这类需求。针对车联网云边协同计算场景下如何高效地进行服务卸载并同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配问题,设计了基于云边协同的车辆计算网络架构,在该架构下,车载终端、云服务器和边缘服务器都可以提供计算服务;通过对缓存任务进行分类并将缓存策略引入车联网场景,依次设计了缓存模型、时延模型、能耗模型、服务质量模型以及多目标优化问题模型;给出了一种基于改进的多目标优化免疫算法的卸载决策方案。最后,通过对比实验验证了所提卸载决策方案的有效性。     

内容中心网络中缓存策略研究综述

互联网需求由主机到主机通信转向海量内容获取为主。为满足新的互联网需求,内容中心网络(CCN)成为下一代互联网架构的研究热点。CCN中最重要的特征之一是利用网内缓存提高接收者获取内容的传输效率和网络资源的利用率。本文阐述了CCN的基本思想,从CCN内容缓存替换策略和缓存决策策略两个角度,阐述现有的研究如何实现CCN中内容缓存;对现有缓存策略进行了总结、分析和评价;给出了CCN缓存策略研究中仍存在的问题和未来的研究方向。     

基于MIMO的多无人机辅助移动边缘计算系统时延优化设计

物联网数据的快速增长和物联网设备的计算限制催生了移动边缘计算(Mobile?Edge?Computing,?MEC)解决方案.其中,无人机群的高机动性、易部署以及成本低的特点和多输入多输出(Multiple?Input?Multiple?Output,MIMO)技术能够增强边缘计算网络的传输容量,缩短边缘计算网络的传输...     

雾无线接入网中基于内容流行度和信息新鲜度的缓存更新策略

将边缘缓存技术引入雾无线接入网,可以有效减少内容传输的冗余。然而,现有缓存策略很少考虑已缓存内容的动态特性。该文提出一种基于内容流行度和信息新鲜度的缓存更新算法,该算法充分考虑用户的移动性以及内容流行度的时空动态性,并引入信息年龄(AoI)实现内容的动态更新。首先,所提出算法根据用户的历史位置信息,使用双向长短期记忆网络(Bi-LSTM)预测下一时间段用户位置;其次,根据预测得到的用户位置,结合用户的偏好模型得到各位置区的内容流行度,进而在雾接入点进行内容缓存。然后,针对已缓存内容的信息年龄要求,结合内容流行度分布,通过动态设置缓存更新窗口以实现高时效、低时延的内容缓存。仿真结果表明,所提算法可以有效地提高内容缓存命中率,在保障信息的时效性的同时最大限度地减小缓存内容的平均服务时延。     

基于层次划分的CCN网络缓存存储策略

针对如何提高内容中心网络网内缓存性能的问题,提出一种基于层次划分的轻量协作的缓存存储策略。该策略通过Interest分组、Data分组以及路由器本地PIT表三者的协作把内容划分为多种优先级层级,使不同内容缓存在沿途的不同路由器。实验证明该策略可以有效地减少访问跳数,提高平均缓存命中率,降低服务器负载。     

移动边缘计算中资源分配和定价方法综述

移动边缘计算（mobile edge computing,MEC）通过将计算任务卸载至边缘服务器，降低网络负荷，减少传输时延，提升用户服务体验。因此，MEC受到了广泛关注，并成为5G的关键技术。资源分配作为MEC的主要问题，在提升能量效率、缩短任务时延和节约成本方面具有非常重大的研究意义。首先，介绍了MEC的基本概念、参考架构和技术优势；然后，从技术层面和经济层面归纳总结了MEC中最新的资源分配和定价策略；最后，讨论了MEC资源分配和定价策略中可能存在的问题与挑战，并提出了一些可行的解决方案，为后续研究发展提供参考。     

移动流媒体内容传输网络模拟器的设计和实现

通过扩展和修改内容传输网络模拟器CDNsim,设计和实现了更能适应移动流媒体内容传输网络需求的网络模拟器:MSM-CDN模拟器,以缓解MSM-CDN研究中缺少实验环境的限制.MSM-CDN模拟器在CDNsim中新增了入口服务器、管理服务器和无线用户小区等节点,使用了一种能有效减少CPU开销和节省内存空间的路由实现方式以及支持多文件请求的SMIL文件处理算法.实验结果表明,MSM-CDN模拟器能较好地用于MSM-CDN的缓存服务器路由策略、缓存策略和缓存服务器配置的仿真研究.