一种面向移动边缘计算的内容部署与分发方法及系统技术方案

为缓解应急通信场景中局部流量激增带来的网络压力，本发明专利技术实施例提供一种面向移动边缘计算的内容部署与分发方法及系统，实现针对动态未知网络环境下的自适应内容部署策略与发射功率的联合优化，该方法包括：以最大化系统长期平均内容命中率为目标，建立目标优化问题；根据缓存节点和请求节点的物理域及社交域信息，构建带权图，并根据所述带权图对缓存节点进行分簇，得到分簇后的缓存节点；基于深度强化学习，求解所述目标优化问题，确定所述分簇后的缓存节点的行为选择策略，以使用户直接从本地获取内容请求。本发明专利技术实施例采用深度强化学习方法，实现流行度未知或动态变化时，缓存节点自适应的存储策略以及发射功率协同优化。

【技术实现步骤摘要】
一种面向移动边缘计算的内容部署与分发方法及系统
本专利技术涉及无线分布式缓存
，尤其涉及一面向移动边缘计算的内容部署与分发方法及系统。
技术介绍
随着智能设备的不断普及，新型业务逐渐涌现，全球移动数据流量呈指数型增长态势。与此同时，6GHz以下的频谱资源十分稀缺，当前网络很难承受高移动数据流量带来的沉重负荷，进而影响业务服务质量和用户体验。一方面，思科的统计数据发现，大部分移动数据流量来自于视频业务；另一方面，新兴的视频业务中呈现出内容重用(ContentReuse)的特点，即不同用户会重复的请求同一热门内容。基于上述背景，无线分布式缓存技术被提出并得以应用，即将较热门的内容存储到离用户较近的网络节点，实现近距离的内容分发，避免从核心网处获取内容，从而降低网络负荷。随着硬件技术的不断进步，终端设备在存储能力、计算能力、通信能力等方面都有了显著的性能提升。为此，基于终端存储的无线分布式缓存系统正得到广泛的关注。热门的内容可预先缓存在终端上，然后，终端之间可通过设备间直接通信(Device-to-Device，D2D)技术实现已缓存的本文档来自技高网...

【技术保护点】
1.一种面向移动边缘计算的内容部署与分发方法，其特征在于，包括：/n以最大化系统长期平均内容命中率为目标，建立目标优化问题；/n根据物理域和社交域，构建带权图，并根据所述带权图对缓存节点进行分簇，得到分簇后的缓存节点；/n基于深度强化学习，求解所述目标优化问题，在流行度未知或动态变化时，确定所述分簇后的缓存节点自适应的行为选择策略，以提升内容命中率，使用户直接从本地获取内容请求。/n

【技术特征摘要】
1.一种面向移动边缘计算的内容部署与分发方法，其特征在于，包括：
以最大化系统长期平均内容命中率为目标，建立目标优化问题；
根据物理域和社交域，构建带权图，并根据所述带权图对缓存节点进行分簇，得到分簇后的缓存节点；
基于深度强化学习，求解所述目标优化问题，在流行度未知或动态变化时，确定所述分簇后的缓存节点自适应的行为选择策略，以提升内容命中率，使用户直接从本地获取内容请求。


2.根据权利要求1所述的面向移动边缘计算的内容部署与分发方法，其特征在于，所述建立目标优化问题，包括：
基于缓存节点的存储容量、总发射功率约束、对缓存节点的存储策略以及发射功率，以最大化系统长期平均内容命中率为目标，建立所述目标优化问题。


3.根据权利要求2所述的面向移动边缘计算的内容部署与分发方法，其特征在于，所述目标优化问题具体为：



s.t.
Pi(t)≤Pmax；






其中，表示缓存节点的发射功率约束，表示存储容量约束，表示请求节点的集合，表示网络中的内容集合，Cs表示缓存节点的存储容量，i表示第i个缓存节点，ci,f(t)表示缓存节点i在t时刻是否存储内容的分片，rj,f(t)表示t时刻请求节点j是否请求了内容f，sj,f(t)表示t时刻请求节点j是否成功命中所需内容f，Pi(t)表示在t时刻缓存节点i的发射功率，Pmax表示最大发射功率，R(t)表示t时刻所有请求节点的总请求次数。


4.根据权利要求1所述的面向移动边缘计算的内容部署与分发方法，其特征在于，在所述基于深度强化学习，求解所述目标优化问题之前，所述方法还包括：
根据节点之间的社交属性与连通性，对缓存节点进行分簇；
基于深度强化学习，将每个分簇作为独立的智能体，进行联合策略优化。

【专利技术属性】
技术研发人员：王莉，徐连明，费爱国，马茹秋，王宣元，田秉鑫，
申请(专利权)人：北京邮电大学，国网冀北电力有限公司，
类型：发明
国别省市：北京;11