请选择 进入手机版 | 继续访问电脑版

QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 135|回复: 0

移动网络中基于机器学习的缓存策略研究

[复制链接]
字体大小: 正常 放大
杨利霞        

3581

主题

55

听众

10万

积分

  • TA的每日心情
    奋斗
    2020-11-29 11:37
  • 签到天数: 16 天

    [LV.4]偶尔看看III

    网络挑战赛参赛者

    自我介绍
    本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。

    群组2018美赛大象算法课程

    群组2018美赛护航培训课程

    群组2019年 数学中国站长建

    群组2019年数据分析师课程

    群组2018年大象老师国赛优

    发表于 2021-1-23 10:56 |显示全部楼层
    |招呼Ta 关注Ta
    移动网络中基于机器学习的缓存策略研究

    在移动网络中部署缓存可以有效降低时延、提升传输速率、降低回程链路拥塞、卸载宏
    基站处的流量,是应对无线设备数据流量剧增的关键技术之一。然而,相比于巨大的互联网
    内容库,基站的缓存容量较小,如何制定有效的缓存放置策略来确定需要缓存的文件以提高
    缓存的命中率是缓存技术需要考虑的重要问题之一;同时,面对不断变化的文件流行度,如
    何确定缓存的替换策略以适应该变化也是需要考虑的另一个问题。
    本文主要研究了移动网络中的缓存技术,采用机器学习的方法,通过预测文件流行度,提出了优化缓存命中率和系统成本的缓存放置和替换策略。具体内容及创新点如下:(1)针对宏基站、小基站和 D2D 通信并存的异构网络场景,提出了基于用户移动性和社会关系的小基站与用户的缓存策略。首先在用户偏好(用户请求不同文件的概率分布)未知的情况下,采用机器学习的方法根据其请求历史记录预测用户偏好。综合考虑用户的移动性、物理位置关系、社会关系推导了平均系统成本的表达式,在缓存容量的约束下,以小基站和重要用户的缓存策略为变量,构建了平均系统成本最小化的优化问题。为了解决重要用户数多时计算复杂度大的问题,证明了目标函数是超模函数后,提出一种基于贪心算法的次优算法对优化问题进行求解,降低了算法的复杂度。仿真结果表明,相比于随机缓存策略,提出的缓存策略减少了接近 30%系统成本,并且次优解的性能非常接近最优解。(2)针对本地文件流行度未知的场景,提出了基于推荐系统的用户文件偏好预测算法以
    及基于缓存成本和收益之间权衡的缓存容量确定算法。首先根据协同过滤和隐语义模型预测
    出用户对文件的评分矩阵,然后结合用户活跃度,利用深度学习,预测出用户偏好;由于增
    大缓存容量在减少回程链路花费的同时会增大运营商的部署成本,综合权衡缓存容量和回程
    链路的成本,构建了运营商收益最大化的优化问题,采用了启发式算法对最优缓存容量及其
    对应的缓存策略进行求解。仿真结果表明,与考虑全局流行度的缓存策略相比,基于本地流
    行度的策略可以更有效的提高缓存命中率,同时降低运营商的成本。(3)针对本地流行度动态变化的场景,提出了基于深度强化学习的缓存替换策略。首先采用马尔科夫决策过程对缓存替换问题进行建模,将当前缓存放置内容、当前请求文件作为系统状态,将缓存替换策略作为动作,奖赏函数定义为缓存命中率,构建了深度强化学习的缓存替换决策模型,基于 A3C 算法设计了缓存替换策略。仿真结果表明,增加 A3C 中的智能体数量能够加快收敛,与 FIFO、LRU 和 LFU 等传统缓存替换策略相比,所提缓存替换策略能够提高文件的命中率。
    关键词:  缓存,异构网络,机器学习,整数规划,贪心算法,流行度预测,深度强化学习  


    移动网络中基于机器学习的缓存策略研究_单冠捷.caj

    2.42 MB, 下载次数: 0, 下载积分: 体力 -2 点

    zan
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2021-2-25 21:44 , Processed in 0.547854 second(s), 54 queries .

    回顶部