基于移动边缘计算的车联网缓存策略研究

针对车联网中数据流量爆炸式增长而引起的业务响应时延过高的问题,提出了一种基于移动边缘计算的蚁群模拟退火算法缓存策略(ACSAM)。首先,在基于5G的车—边—云协同系统架构下,以最小化内容下载时延为目标,建立了通信计算模型;其次,采用蚁群算法构造了使内容下载时延最小的局部最优解;最后,使用模拟退火算法对局部最小下载时延进行扰动,并以一定概率接受新解,从而得到全局最小下载时延,即保证了内容被预缓存在最佳的位置。仿真结果表明,在车—边—云协同架构下,ACSAM缓存策略可显著减少传输冗余,降低下载时延。     

一种车联网分簇方法与簇内中继选择方法

针对车联网低时延、高可靠性的通信需求,提出了基于簇稳定的车辆分簇方法,有效增加通信时间,提高通信可靠性。在此基础上,研究功率受限的情况下车联网簇内数据分发的中继选择问题,提出了一种基于功率预分配的中继选择方法。该方法簇内车辆协作采用HDAF转发协议,在中继选择之前先对源节点和潜在中继节点进行功率分配,求取系统中断概率最小的功率分配因子,然后比较融入功率优化因子的各个节点的等效信道增益,选择出最优中继节点集合。数值结果表明:基于簇稳定的车辆分簇方法相比基于地理位置的分簇方法具有更高的稳定性。同时,提出的中继选择方法在相同条件下比传统的单中继选择方案和全中继选择方案具有更小的中断概率。     

基于NOMA-MEC的车联网任务卸载、迁移与缓存策略

在移动边缘计算(MEC)与非正交多路接入(NOMA)技术相结合的车联网系统中,针对用户处理计算密集型和时延敏感型任务时面临的高时延问题,提出了一种基于博弈论和Q学习的任务卸载、迁移与缓存优化策略.首先,对基于NOMA-MEC的车联网任务卸载时延、迁移时延与缓存时延进行建模;其次,采用合作博弈算法获得最优用户分组,以实现...     

VANET中基于车辆分簇的协作缓存策略

随着智能交通系统的发展,移动车辆不仅需要地图信息,还需要更多娱乐内容,而整个网络的容量是有限的,这给车载自组织网络带来很大的压力。边缘缓存是在系统的边缘部署缓存,在车载自组织网络中引入边缘缓存技术,可以有效地缓解网络的压力。对车载自组织网络中的缓存策略进行了研究,提出了一种基于车辆分簇的协作边缘缓存策略,可以充分利用车载自组织网络中有限的缓存资源,内容可以缓存在移动车辆和路边单元中,移动车辆可以从簇头和路边单元获取所需内容,不同的内容获取方式会带来不同的请求时延。由于移动车辆和路边单元的缓存容量是有限的,为了降低内容请求时延和成本,构建了一个时延和成本联合最小化的优化问题,并采用蚁群算法对该问题进行求解,以得到最优的缓存放置方案。仿真结果表明,该算法拥有很好的性能。     

车联网中基于多参数决策的中继选择方案

5G时代,车联网是最具发展潜力的应用,也是未来智能交通管理系统的重要组成部分。但是,车联网本身也存在局限性。车联网中的车辆节点移动迅速,网络拓扑变化快,道路环境复杂,这些问题都将导致通信链路不稳定,甚至产生中断。因此,选择可靠、高效的中继节点来保障车联网的有效通信连接极为重要。提出基于多参数决策的中继选择方案,综合考虑候选中继节点的带宽、时延、节点切换预测值以及用户节点的相应需求,利用简单的线性加权函数评估候选中继的性能,最终得到最优中继。仿真结果表明,该方案在系统吞吐量和中继切换次数方面比传统方案更具优越性。     

边缘计算中基于博弈论的数据协作缓存策略研究

针对边缘计算中服务器存储能力有限的问题,提出一种基于博弈论的数据协作缓存策略。该策略根据基站覆盖范围将边缘计算环境划分为多个区域,每个区域与相邻区域协作缓存数据资源。在每个区域中,计算每个数据块对本地区域及相邻区域的缓存价值,根据待缓存资源的缓存价值进行缓存决策,最小化用户获取数据资源的延迟。仿真实验结果表明,提出缓存策略比现有非协作缓存策略数据资源平均获取延迟降低了36.55%,有效降低了数据资源平均获取延迟。     

移动边缘网络中的多目标缓存优化方法

随着5G时代的到来,各类移动应用蓬勃发展,用户量快速增长,大量的通信流量对移动边缘网络造成了巨大的压力,缓存资源紧张的问题逐渐凸显.为此,本文提出了一种基于多目标优化算法的移动边缘网络缓存放置策略,考虑包含一个宏基站和若干小基站的边缘网络,通过分析边缘网络缓存中不同利益相关方的需求,即用户平均延迟、缓存成本和传输功耗,以及缓存空间有限的约束条件,构建了多目标优化模型,为了求解模型,提出了一种基于最远交配和淘汰策略的多目标进化算法(MOEA-FMES).通过模拟仿真实验与其他常见多目标优化算法进行了对比,结果表明MOEA-FMES优于对比算法,能够给出一组质量较高、收敛性较好且分布均匀的解,证明了所提出方法的有效性.     

移动计算环境中一种基于分簇的缓存替换策略--CFSLR

通过引入簇机制，给出了分簇的位置相关数据缓存模型的定义和结构。然后在此基础上提出一种新的语义缓存替换策略--簇先段后替换。在分析本策略的替换机制后，给出了具体的替换算法。最后，描述了模拟实验的结果，并对之进行了分析说明。     

基于社会关系感知的边缘网络缓存策略

针对当前的边缘缓存策略存在的传输时延高、对较小区域中用户社会关系感知不足的问题,结合热点内容平均流行度和用户兴趣度,提出基于社会关系感知的边缘缓存策略.首先,根据热点内容平均流行度和用户兴趣度,估算用户需求,用户需求相似度反映了用户的社交关系强度;然后,依据用户的关系强度选择用户作为辅助缓存位置;最后,综合考虑缓存位置的选取和用户需求的选择,设计了基站协作缓存、用户辅助缓存的联合缓存策略.仿真实验表明,所提缓存策略相比较于传统的缓存策略在缓存命中率和系统缓存时延上均有一定的提升.     

基于LEACH的WSN簇头优化策略

针对无线传感器网络(WSN)能量和节点分布不均匀的问题,提出一种基于低功效自适应集簇分层(LEACH)协议的WSN簇头优化策略。在二次簇头选择机制下,对保护性能最差的节点进行优化,从大于簇内平均能量的节点中,寻找距离簇内性能最差的节点,将与其最近的节点选为簇头,由此形成簇头间多跳最优通信方式。实验结果表明,该策略能减少节点能量消耗,延长网络生命周期。     

基于联盟链的边缘缓存系统收益最大化的缓存策略

边缘缓存技术能够将热点内容提前放置在距离用户较近的网络边缘,可以显著降低传输时延、提高网络效率。然而,不同的运营商各自部署边缘设备,投入巨大且缓存内容相互隔离,无法共享。针对此问题,改进了一种基于联盟链的边缘缓存系统架构,运营商部署的边缘设备间能够打破内容隔离,实现更大范围的内容共享。此外,设计了基于智能合约的内容交易流程,使得不同运营商之间的合作变得可信、公平和可追踪。最后,考虑到热门内容的流行程度、文件大小以及传输时延等,对热点内容进行定价,并以收益最大化为目标,通过贪婪算法确定缓存内容放置的位置。仿真实验表明,基于该架构下的收益最大化缓存策略能够有效增加边缘缓存的收益。     

6LoWPAN中基于Mesh-under的中继缓存与重传机制

在基于Mesh-under路由的6Lo WPAN网络中,链路丢失的分片采用端到端的方式进行重传,从而保证数据包的可靠重组,但端到端的重传会造成较多的数据传输时延和网络能耗,降低目的端的分片重组成功率,影响网络中其他数据的有效传输。针对上述问题,提出一种基于中间节点缓存与重传分片机制,通过中间节点缓存和管理所转发分片,目的端检测到有分片丢失,则利用中间节点已缓存的分片进行重传,从而达到提高网络性能的目的。仿真结果表明,与传统的RIF_SN,RPF_SN等机制相比,该机制能耗效用值提高36.7%,网络传输时延减少28.7%,目的端重组成功率提高34.9%,明显改善网络性能。     

基于缓存优化的移动边缘计算资源分配策略

移动边缘计算研究中,边缘服务器通过缓存任务数据可以有效节约计算资源,但如何分配缓存资源解决边缘服务器的竞争关系,以及能耗和效益问题,达到系统性能最优是一个NP难问题。为此提出基于缓存优化的在线势博弈资源分配策略OPSCO(online potential-game strategy based on cache optimization),采用新的缓存替换策略CASCU(cache allocation strategy based on cache utility),最大化缓存的效用。通过优化边缘服务器的效益指示函数,将缓存替换代价等因素与李雅普诺夫优化、势博弈以及EWA(exponential weighting algorithm)算法结合,对边缘服务器的竞争关系建模,进行势博弈相关证明和分析。仿真结果表明,OPSCO相比于其他资源分配策略,可以明显提升任务完成率和缓存效用,并降低设备能耗和时间开销,解决了移动边缘计算在线缓存场景中的资源分配以及数据缓存问题。     

一种基于多信道分簇结构Ad Hoc网络的簇间中继实现方案

针对大规模应急救援场景,将多信道接入信道利用率高、网络吞吐量大的优点与分簇式Ad Hoc网络减少开销、便于管理的特征相结合,设计出基于分簇结构的Ad Hoc网络模型,提出了与之相对应的支持多业务的多信道混合接入协议。在此协议基础上,对节点间通信方案进行了探讨,并详细阐述了簇间中继通信的实现方案及流程。     

边缘计算中面向多码率视频的缓存、转码和传输联合优化策略

结合边缘缓存技术与流媒体传输技术能有效提升视频服务质量,为降低视频内容提供商的边缘资源租赁成本,提出一种视频缓存、转码和传输联合优化策略.首先,综合考虑视频的缓存、转码、边缘传输和云端传输的成本,以最小总租赁成本为目标建立整数规划模型,并证明其NP-complete性质;其次,根据历史请求数估计视频流行度变化,并对流行视频进行缓存;最后,基于视频的缓存状态,为用户的请求选择成本最低的响应方式.仿真实验表明,所提策略与现有策略相比,可提升请求命中率并有效降低内容提供商的资源租赁成本.     

基于移动边缘计算的车联网信息分发方法设计

为了保证车联网信息分发的效果，提出基于移动边缘计算的车联网信息分发方法。首先，针对用户、边缘和核心3个层级，构建车联网信道模型。其次，将多跳信息分发协议作为信息分发的路由协议，通过车辆信息采集、处理等步骤生成分发信息包。最后，利用移动边缘计算技术选择信息分发路径。实验结果表明，与传统方法相比，该方法的平均信息分发成功率和信息分发完整度均有所提高。     

基于区域用户需求感知的边缘缓存策略研究

针对当前的边缘缓存策略存在的传输能耗高、对较小区域中用户需求感知不足的问题,结合全网与区域在流行内容和流行特征的差异,提出基于区域用户需求感知的边缘缓存策略。首先,依据区域用户的长/短期兴趣和全网流行度信息,估算用户的请求意愿;然后,综合区域用户的需求选择待缓存内容及缓存优先级;最后,考虑基站的位置和用户需求的差异,设计区域缓存能耗优化的联合放置策略。仿真结果表明,所提策略与传统的缓存策略相比在请求命中率、字节命中率和缓存能耗上均有一定提升。     

移动边缘计算中收益最大化的缓存协作策略

移动边缘计算（MEC）通过将资源部署在用户的近邻区域,可以减少移动设备的能耗,降低用户获取服务的时延;然而,大多数有关缓存方面的研究忽略了用户所请求服务的地域差异特性。通过研究区域所请求内容的特点和内容的动态性特性,提出一种收益最大化的缓存协作策略。首先,考虑用户偏好的区域性特征,将基站分为若干协作域,使每一个区域内的基站服务偏好相同的用户;然后,根据自回归移动平均（ARIMA）模型和内容的相似度预测每个区域的内容的流行度;最后,将缓存协作问题转化为收益最大化问题,根据存放内容所获得的收益,使用贪心算法解决移动边缘环境中缓存的内容的放置和替换问题。仿真实验表明,与基于MEC分组的协作缓存算法（GHCC）相比,所提算法在缓存命中率方面提高了28%,且平均传输时延低于GHCC。可见,所提算法可以有效提高缓存命中率,减少平均传输时延。     

基于LEACH协议的簇头多跳(LEACH-M)算法

为了延长网络的生存时间,需要设计能量有效的协议,适应传感器网络的特点.成簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间.早先提出的LEACH协议是无线传感网中的低功耗自适应分层路由算法,但节点通过一跳通信将数据传送给簇头,簇头也通过一跳通信将聚合后的数据传送给基站,这样会造成簇头节点负载过重,在LEACH协议中引入簇头多跳算法,使得簇头之间形成一个多跳的最优路径通向基站,从而减少了簇头节点能量的消耗,延长了传感网的寿命.实验表明此方法行之有效.