导读:本文包含了协作缓存论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缓存,时延,网络,接入网,无源,密集,链路。
协作缓存论文文献综述
蒋雁翔,夏骋宇[1]（2019）在《雾无线接入网中的多层协作缓存方法》一文中研究指出针对边缘缓存和雾无线接入技术中降低后传链路负载的问题,提出了一种雾无线接入网中的多层协作缓存方法。考虑网络架构、文件流行度估计、链路容量等因素,将相关的优化问题分解为每个层中缓存布置的背包问题,并分别使用贪心算法求解。仿真结果表明,所提出的多层协作缓存方法能够有效降低后传链路负载,同时具有较高的缓存命中率。(本文来源于《通信学报》期刊2019年09期）
[2]（2019）在《用于万物联网(IoE)中激励式协作缓存的信息中心雾网络》一文中研究指出当前移动网络基础设施在带宽和费用方面都难以满足越来越多智能设备带来的持续内容需求。与此同时,具有相对高资源(计算、通信、缓存)设备的出现允许在用户附近卸载计算、控制、缓存和通信,就像在边缘网络或雾网络中那样。如果考虑缓存资源,那么基本挑战有:(1)如何以及谁能够为本地内容缓存形成雾?(2)如何与雾进行交互以实现高效内容缓存和检索?(本文来源于《无线电通信技术》期刊2019年05期）
牛煜霞[3]（2019）在《D2D辅助蜂窝网络中的协作缓存策略》一文中研究指出随着小小区密集化和支持缓存的智能设备的出现,移动边缘缓存被认为是减轻核心网络流量负担的一种重要技术。在这种场景下,流行的内容被预取并存储在小型基站(Small Base Station,SBS)或用户设备中。然而,由于人为因素,内容流行度可能会随时间动态变化。本文考虑内容流行度变化,研究了D2D(Device-to-Device)辅助蜂窝网络中的协作缓存问题,首先对研究背景及意义进行了概述,详细分析了国内外研究现状;其次对论文研究工作、研究内容及结构进行详细分析;最后对全文进行总结,并对未来的研究方向进行了展望。主要研究内容如下:第一,通过联合考虑内容流行度的时空变化,用户设备之间内容共享成本以及基站(Base Station,BS)之间协作缓存成本来研究时延最小化问题。为了解决这个问题,提出了一种基于多臂老虎机学习的在线协作(Multi-armed Bandit Learning based Online Cooperative,MAB-LOC)算法。在第一阶段,文章设计了一种基于多臂老虎机(Multi-armed Bandit,MAB)的算法来估计内容流行度。在第二阶段,文章设计了一种基于半定松弛(Semidefinite Relaxation,SDR)的方法来获得缓存策略。通过仿真结果,证明了该算法的性能在缓存命中率和端到端时延方面具有竞争力。第二,通过联合考虑用户之间的相似性(包括兴趣相似性,即用户申请内容的相似性,以及位置相似性)、用户设备缓存的成本、用户设备之间内容共享的成本以及基站与用户设备之间内容共享的成本来研究能量消耗最小化问题。为了解决这个问题,提出了一种基于K-均值学习的协作(K-means Learning based Cooperative,KM-LC)算法。在第一阶段,文章采用K-均值算法对用户进行聚类。在第二阶段,文章采用基于聚类的贪婪算法来获得缓存策略。通过仿真结果,证明了该算法的性能在能量效率方面具有竞争力。(本文来源于《北京邮电大学》期刊2019-05-31）
胡成佳[4]（2019）在《5G超密集网络中基于协作的缓存及传输机制研究》一文中研究指出随着新兴应用对通信服务质量需求的不断提高和智能终端数量的急剧增长,网络中的数据量以指数形式迅速增长。第五代移动通信(the Fifth Generation Mobile Communication,5G)已经成为学术界和工业界关注的热点。其中,超密集网络(Ultra-Dense Network,UDN)被认为是满足用户需求、提高系统容量的关键技术之一。UDN通常密集部署了大量的低功率小型基站(Small Base Stations,SBSs),可以同时为众多用户提供极高的数据传输速率。同时,边缘缓存技术可以使网络中的文件更贴近用户,从而缩短下载时延。将边缘缓存技术引入UDN是目前的热点研究方向之一。UDN中单个SBS的缓存容量一般比较小。因此,多个SBS之间的协作缓存显得尤为重要。需要综合考虑缓存命中率、文件流行度、传输时延和用户移动性等限制条件,设计高效的协作缓存及传输机制。本文的主要工作如下:提出了一个在超密集网络中考虑用户静止、基站缓存容量有限的情况下,基于分簇的协作缓存机制。根据SBSs的负载能力和位置信息,设计了一种SBSs分簇算法。将文件按照流行度排序,并根据簇内SBSs个数将文件切割成对应数量的碎片,将相应文件碎片缓存到不同的SBSs中。接下来对用户如何选择连接SBSs请求并下载文件的问题进行建模,把簇内SBSs的数量作为变量,将优化目标设定为最小化用户平均下载时延,按照所提传输机制计算下载时延并通过遍历法找到最优解。仿真结果表明所提机制可以降低用户的平均下载时延,提高缓存命中率。提出了一个在超密集网络中考虑用户移动的情况下,基于图着色的协作缓存及传输机制。SBSs覆盖范围较小,用户随机移动有可能导致文件下载中断甚至失败。提出采用随机蚂蚁着色算法按照SBSs的位置信息对其分类并让每类基站缓存相应分片后的文件。对如何确定每类SBSs缓存相应文件碎片的百分比进行建模,优化目标为最大化单位时间内用户从小型基站下载的数据量。将该最优化问题分解成互相独立的多个子问题,采用贪婪算法对每个子问题求解并结合启发式算法获得结果。仿真数据表明,所提缓存机制可以有效地降低用户下载时延。(本文来源于《北京邮电大学》期刊2019-05-30）
陈玉婷[5]（2019）在《云无线接入网中协作式边缘缓存策略研究》一文中研究指出近年来,随着移动数据流量的爆发式增长,传统网络架构面临着诸多的挑战,特别是有限的回程链路带宽和较大的能量消耗都给网络带来了沉重的负担。云无线接入网(C-RAN)则是针对这些问题提出的一种高容量、低能耗、低成本的新型无线接入网架构。在云无线接入网络中主动缓存流行视频文件则能进一步提高服务质量和用户体验质量,对运营商和用户来说是一种双赢的策略。本文研究了C-RAN中的两层协同缓存体系结构,其中流行的文件被缓存在基带池模块(BBU)和远程射频模块(RRH)上,RRH之间通过BBU池协同服务移动用户的文件请求,本文在此基础上设计了两种不同的缓存方案。1、从运营商角度出发,虽然缓存可以带来许多性能增益,例如减少回程流量负载、降低传输延迟与传输能耗等,但是这也导致了大量额外的存储能耗。本文引入了协同缓存架构下的最小化能量消耗问题MINEC,试图优化每个缓存模块的缓存容量及缓存文件放置策略,使存储和传输的总能源成本最小化。针对每个移动用户只能与其最近的RRH相关联的路由策略,本文提出了一种多项式时间算法,该算法精确地解决了MINEC问题,并给出了最佳的缓存放置方案。针对每个移动用户可以与多个的RRH相关联的最短路径路由策略,从能源成本的角度来看,本文发现该问题属于NP难问题。因此,本论文中将MINEC重新定义为一个相应的最大化问题,目标是最大化缓存带来的节能,并进一步引入解决该最大化问题的近似算法。通过真实数据集的仿真实验,验证了本文提出的缓存方案的有效性,突出了BBU和RRH之间协作缓存的优势。2、从用户角度出发,缓存越多的文件可以降低更多的用户请求时延,而缓存所有的文件是不现实的。因此本文研究了在有限的缓存容量、有限的可用带宽下,部署缓存文件放置方案使得用户请求文件的时延最小化。本文将上述问题建模成一个0-1型整数线性规划问题,并通过将其分解成两个子问题求解(文件放置子问题和文件路由子问题)。首先,针对缓存容量限制下BBU和RRH上的文件放置子问题,提出一种基于贪心的分层缓存策略。然后,在前一个子问题的基础上,针对带宽限制的文件路由子问题,给出了一个基于贪心的启发式算法确定最终的文件缓存放置及路由方案。仿真实验结果表明相比于经典的缓存算法,缓存能够降低26%的用户请求文件的平均时延,并且指出不同的BBU/RRH缓存容量大小设置会影响时延性能。(本文来源于《南京大学》期刊2019-05-24）
李钰[6]（2019）在《超密集网络中基于能效优化的协作缓存策略研究》一文中研究指出随着通信技术的快速发展以及智能终端的广泛普及,移动数据流量呈爆炸式增长,同时各种新兴应用与服务对高速率、低时延的网络需求也愈发迫切。超密集网络通过密集部署小小区基站等网络接入节点,拉近了用户与接入点的距离,提供了更加快速、稳定的网络服务。然而超密集网络在部署过程中也会遇到许多阻碍,如回程链路资源紧缺、基站能量消耗大等。边缘缓存技术是指将内容存储在无线网络边缘,可以有效避免内容的重复下载,减轻回程链路的负担,减少内容的传输成本,降低传输时延,最终提高服务质量与用户体验。因此边缘缓存技术是应对上述超密集网络问题的关键方案之一。但是单个边缘节点的缓存空间有限,无法为用户提供高效的服务。协作缓存技术能够协同多个节点进行内容缓存,增加内容缓存的种类及数量,并提升缓存命中率,弥补上述不足,因此,该技术近年来受到人们的广泛关注。基于上述背景,本文主要研究超密集网络中的协作缓存问题,并以提升网络的能量效率为优化目标,提出了两种协作缓存策略。主要工作内容如下:第一,提出了一种超密集网络中的协作缓存算法。首先,定义了小小区基站(small base station,SBS)与用户设备之间的能量消耗系数,基于该系数设计了一种SBS分组方式。其次,以降低网络能量消耗为目标,建立了内容分片—协作缓存模型。在该模型中,采用齐普夫分布对内容请求概率进行了数学描述,并设计了内容分片缓存准则。再次,引入并改进联盟博弈算法对优化问题进行求解。最后,仿真结果证明该缓存策略可以有效降低内容分发能量消耗。第二,针对社交网络内容的特点,在超密集异构网络中提出了一种线上协作缓存算法。首先定义了一个基于多维度的缓存决策函数,该函数融合网络用户历史信息、内容的实时参数等。其次,以优化缓存内容的传输能耗为目标,对缓存内容的分配方式进行建模,并以有限的缓存空间作为约束条件。再次,基于用户请求概率与SBS覆盖范围提出了一种缓存内容分配算法。最后,通过仿真证明所提线上协作缓存策略能够有效节省回程链路以及宏基站的传输能耗。(本文来源于《北京邮电大学》期刊2019-05-21）
于千喻,杨涛,冯辉,胡波[7]（2019）在《无线网络多基站低时延协作缓存方案研究》一文中研究指出随着社交视频网络服务的日益增长,内容请求的多样性及内容传输的冗余性大大降低了现有蜂窝通信的流量效率.在基站设置合理的文件缓存可以减少核心网中重复传输造成的流量拥塞,从而可有效提升终端视频请求服务的体验质量.本文针对多蜂窝基站协作缓存场景,研究了文件流行度未知时最小化系统总传输时延的模型构造.首先,结合基站缓存容量大小及文件请求的分布,构造了基于最小时延传输的0-1整数规划最优化问题;其次,利用组合多臂赌博机(CMAB)算法完成对未知文件流行度的估计;最后,结合流行度更新迭代过程完成文件的最优化缓存.通过将非线性问题依次转化为多项式问题和线性问题,并结合高效的启发式算法得到次优解,相比于分支定界最优算法有效降低了运算复杂度.仿真结果表明所提算法接近最优解,与传统的缓存方案相比可有效降低传输时延.(本文来源于《复旦学报(自然科学版)》期刊2019年02期）
张超,李可,范平志[8]（2019）在《基于协作小小区与流行度预测的在线热点视频缓存更新策略》一文中研究指出针对无线移动设备数量的指数增长使得异构协作小小区(SBS)将承载大规模的流量负载问题,提出了一种基于协作SBS与流行度预测的在线热点视频缓存更新方案(OVCRP)。首先,分析在线热点视频的流行度在短期内变化情况;然后,构建k近邻模型进行在线热点视频流行度的预测;最后,确定在线热点视频的缓存更新位置。为了选择合适的位置存放在线热点视频,以最小化总体传输时延为目标,建立数学模型,设计整数规划优化算法。仿真实验结果显示,与随机缓存(RANDOM)、最近最少使用(LRU)、最不经常使用(LFU)方案相比,OVCRP在平均缓存命中率和平均访问时延方面具有明显的优势,因此减轻了协作SBS的网络负担。(本文来源于《计算机应用》期刊2019年07期）
吴大鹏,李雪,李红霞[9]（2019）在《基于TWDM-PON与C-RAN的QoE感知视频协作缓存与传输机制》一文中研究指出随着数据流量的爆发式增长,用户体验质量急剧恶化,为了解决密集组网与负载不均衡所引发的小区边缘用户与重负载小区用户性能较差的问题,提出了一种体验质量感知的云无线接入网视频协作缓存与传输机制。该机制通过建立协作增益感知的虚拟无源光网络,采用光域和无线域协同的方式为视频内容提供协作缓存与传输;进而,联合优化用户视频体验、带宽配置与缓存策略,分别在光域和无线域采用动态预缓存及缓冲水平感知的带宽配置方式,达到提高用户体验质量的目的。结果表明,所提机制能够有效地提高缓存命中率,增强用户体验质量。(本文来源于《通信学报》期刊2019年03期）
涂亮,徐雷[10]（2019）在《雾计算中基于古诺博弈的协作缓存优化算法》一文中研究指出随着移动互联网的快速发展,大批智能移动设备访问互联网资源,造成网络资源请求量的剧增。当大量用户终端请求网络中的流行内容时,重复传输流行内容,占用大量的带宽资源,造成整个网络拥塞加重。考虑到雾计算贴近移动终端的特点,充分利用雾服务器节点本身存储容量对用户终端请求进行存储,减少同一内容重复下载,以降低链路消耗。传统缓存算法并未考虑传输开销、时延等实际因素。对此,文中提出的基于古诺博弈的链路最小代价协作缓存算法充分考虑到上述实际因素,根据内容的缓存价值来决定内容更新,增加对较流行内容的访问。通过仿真结果可知,基于古诺博弈的链路最小代价协作缓存算法在链路消耗和缓存命中率的表现明显优于传统缓存算法。(本文来源于《计算机技术与发展》期刊2019年06期）
协作缓存论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当前移动网络基础设施在带宽和费用方面都难以满足越来越多智能设备带来的持续内容需求。与此同时,具有相对高资源(计算、通信、缓存)设备的出现允许在用户附近卸载计算、控制、缓存和通信,就像在边缘网络或雾网络中那样。如果考虑缓存资源,那么基本挑战有:(1)如何以及谁能够为本地内容缓存形成雾?(2)如何与雾进行交互以实现高效内容缓存和检索?
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
协作缓存论文参考文献
[1].蒋雁翔,夏骋宇.雾无线接入网中的多层协作缓存方法[J].通信学报.2019
[2]..用于万物联网(IoE)中激励式协作缓存的信息中心雾网络[J].无线电通信技术.2019
[3].牛煜霞.D2D辅助蜂窝网络中的协作缓存策略[D].北京邮电大学.2019
[4].胡成佳.5G超密集网络中基于协作的缓存及传输机制研究[D].北京邮电大学.2019
[5].陈玉婷.云无线接入网中协作式边缘缓存策略研究[D].南京大学.2019
[6].李钰.超密集网络中基于能效优化的协作缓存策略研究[D].北京邮电大学.2019
[7].于千喻,杨涛,冯辉,胡波.无线网络多基站低时延协作缓存方案研究[J].复旦学报(自然科学版).2019
[8].张超,李可,范平志.基于协作小小区与流行度预测的在线热点视频缓存更新策略[J].计算机应用.2019
[9].吴大鹏,李雪,李红霞.基于TWDM-PON与C-RAN的QoE感知视频协作缓存与传输机制[J].通信学报.2019
[10].涂亮,徐雷.雾计算中基于古诺博弈的协作缓存优化算法[J].计算机技术与发展.2019
论文知识图
