一种缓存使能的D2D通信联合推荐与缓存方法技术

本发明专利技术公开了一种缓存使能的D2D通信联合推荐与缓存方法，在用户缓存容量受限和推荐数量受限的情况下，以用户获取文件费用最小为优化目标构建优化函数，采用退火算法得出给每个用户的推荐方案，然后用背包算法得出每个用户的缓存方案，再将缓存方案和推荐方案进行迭代优化，获取推荐方案和缓存方案的最优解，实现用户平均费用最小化。本发明专利技术将推荐与缓存相结合，降低了用户的喜好不同对缓存的影响，提出的推荐和缓存方案能降低用户的平均花费，激励用户使用D2D通信，减轻网络压力。

【技术实现步骤摘要】
一种缓存使能的D2D通信联合推荐与缓存方法
本专利技术涉及一种推荐与缓存方法，尤其涉及一种缓存使能的D2D通信联合推荐与缓存方法。
技术介绍
智能移动化设备和智能应用的爆炸式增长使得移动数据流量急剧增加，传统蜂窝网络受到了极大的挑战。Device-to-Device(D2D)技术作为第五代移动通信的关键技术之一，允许通信网中临近设备之间进行直接通信而不需要通过核心设备或中心设备等基础设施的帮助，从而大大降低通信系统核心网络的数据压力。缓存技术是提前将用户需要的文件内容项(包括视频，网页等)储存在缓存实体中，使得用户对内容的需求可以有效地实现，大大降低传输延时，减小重复传输带来的能量损耗。将D2D与缓存结合是应对网络巨大流量的有效的方式。然而，在缓存使能的D2D通信中存在一些问题，如与有线网络相比，蜂窝网络通常具有更小的缓存容量，并且用户对不同内容的喜好程度各不相同，在有限的缓存容量中提前缓存一部分内容给网络带来的增益取决于用户喜好的相同程度。如果用户对内容的喜好大相径庭，即使对缓存策略做优化也很难得到明显的增益。引入推荐系统可以一定程度上重塑用户对不同内容的请求概率，使用户喜好分布趋于统一，但如果推荐的内容用户喜好程度低，则无法实现对缓存内容的充分利用，会造成资源紧张、基站负载严重的问题。现有的联合推荐与缓存方法考虑利用推荐重塑用户对内容的请求概率后，在基站端缓存文件从而减少使用回程链路的次数。然而即使通过推荐重塑了请求概率，用户请求的内容还是会有一定程度上的差异，仅在基站端缓存部分文件无法满足所有用户的内容请求，并且当用户距离基站较远时仍需较多费用才能获取所需内容。
技术实现思路
专利技术目的：针对上述现有技术的缺陷，本专利技术提供一种缓存使能的D2D通信联合推荐与缓存方法，针对缓存容量较小的情况设计推荐和缓存策略，降低用户的平均花费，激励用户使用D2D通信，减轻对网络造成的压力。技术方案：本专利技术的缓存使能的D2D通信联合推荐与缓存方法，建立用户平均费用最低为目标，以用户的缓存容量和系统推荐数量为约束条件的优化函数，将问题分解成推荐和缓存两个子问题，运用退火算法解决推荐子问题，运用背包算法解决缓存子问题，最后将两个子问题循环迭代得到最优的推荐和缓存方案，对由K个用户和I个内容项组成的系统，根据不同用户对不同内容的偏好程度，给每个用户推荐R项内容，内容项的大小为Li，每个用户可以缓存总大小不超过Ck的内容，其特征在于所述方法包括如下步骤：(1)、计算每个用户对内容的请求概率；(2)、构建以系统获取文件平均费用最小为优化目标的优化函数；(3)、对于每个用户随机初始化一个缓存方案，即随机缓存总大小不超过Ck的一组内容；(4)、基于步骤(3)中的缓存方案，可以得到用户k通信范围内其他用户的缓存情况，根据用户k的内容请求概率和周围用户缓存文件，通过目标函数计算当前自身用户k的平均费用，用退火算法求解优化函数，得到用户k平均费用最小的推荐方案；(5)、基于(4)中的推荐方案计算每个用户新的对内容的请求概率，固定其他用户的缓存方案，对每个用户依次用背包算法求解优化函数，得到系统总平均费用最小的缓存方案；(6)、将步骤(5)得到的缓存方案替换进步骤(3)，循环进行步骤(4)、(5)，当推荐方案和缓存方案均不再更新时，停止迭代。步骤(1)具体步骤如下：计算用户对被推荐的R项内容的请求概率为：对未被推荐的剩余内容的请求概率为：其中，表示用户k对推荐的接受程度，为用户k对内容i的偏好程度，为推荐对这R项内容被请求概率的提高；最终用户k请求内容i的概率为：其中xk,i∈{0,1}为推荐策略的指示变量，若xk,i为1则表示向用户k推荐内容i，反之则不推荐。步骤(2)中的优化函数为：xk,i∈{0,1},(4e)yk,i∈{0,1}，(4f)基于上述优化函数得到的推荐方案的优化函数为：缓存方案的优化函数为：其中dkji表示用户k向用户j获取内容i的费用，当i＝b时用户向基站获取内容，yk,i∈{0,1}为缓存策略的指示变量，若yk,i为1则用户k在自己的缓存空间中缓存内容i，反之则不缓存；Li为内容i的大小，Ck表示用户k的缓存容量；当用户对该内容的偏好程度大于时，接受该内容的推荐；(4a)式是优化问题的目标函数，(4b)为用户的缓存容量限制，(4c)表示系统向用户推荐的内容数为R，(4d)表示系统向用户推荐的内容是用户感兴趣的内容，(4e)和(4f)表示指示变量为0或1。步骤(4)包括如下步骤：(41)基于(3)中的缓存方案，随机给用户k推荐R项内容，计算出用户k的平均费用C(k)；(42)在推荐给用户k的R项内容中随机选取一个，与未推荐内容交换，计算新的平均费用C'(k)；(43)判断C'(k)是否小于C(k)，若是，则以步骤42的推荐方案为新的推荐方案；若不是，则以概率按照步骤42的步骤更新推荐方案，其中Bc为玻尔兹曼常数，是循环中用户k的最小平均费用；(44)重复步骤(42)，当循环次数到达tmax时，停止推荐策略的迭代，将循环次数为tmax时的R项内容推荐给用户。步骤(5)具体包括以下步骤：(51)固定其他用户的缓存方案，依次对用户1到K用背包算法更新最优缓存方案；，用动态规划解决用户k的背包问题，其具体步骤为：Si,c表示文件{1,2,…,i}的一个子集，0<i<I，这个子集的总大小不超过c(0<c<Ck)并且总费用最小，f(i,c)表示采用子集Si,c时的系统总费用，Li表示文件i的大小，用f'(i+1,c)表示的系统总价值，f(i,c)由以下公式得出：通过公式(7)得到所有的f(i,c)，f(I,Ck)对应的就是用户k的缓存方案；(52)计算用户k更新前后所有用户的总平均费用，如果更新后总平均费用降低，则保留更新，否则取更新之前的缓存方案；(53)对用户K实行完步骤(52)之后，返回步骤(51)进行下一轮循环，直到一整轮循环中总平均费用不再变化。有益效果：与现有技术相比，本专利技术具有如下显著优点：联合优化推荐与缓存策略得到最优的推荐与缓存策略，降低了用户的喜好不同对缓存的影响，在用户端设计缓存策略，与请求用户距离近，节点数量多，可以针对不同的请求概率缓存不同的文件，方法运算效率高，降低了系统的压力。附图说明图1为本专利技术的流程图；图2为D2D通信半径RD2D＝80m时，不同缓存容量下的方法收敛图；图3为D2D通信半径RD2D＝150m时，不同缓存容量下的方法收敛图；图4为用户平均花费随缓存容量在D2D通信半径RD2D＝80m时的变化图；图5为用户平均花费随缓存容量在D2D通信半径RD2D＝150m时的变化图。具体实施方式<本文档来自技高网...

【技术保护点】
1.一种缓存使能的D2D通信联合推荐与缓存方法，对由K个用户和I个内容项组成的系统，根据不同用户对不同内容的偏好程度，给每个用户推荐R项内容，内容项的大小为L

【技术特征摘要】
1.一种缓存使能的D2D通信联合推荐与缓存方法，对由K个用户和I个内容项组成的系统，根据不同用户对不同内容的偏好程度，给每个用户推荐R项内容，内容项的大小为Li，每个用户可以缓存总大小不超过Ck的内容，其特征在于所述方法包括如下步骤：
(1)、计算每个用户对内容的请求概率；
(2)、构建以系统获取文件平均费用最小为优化目标的优化函数；
(3)、对于每个用户随机初始化一个缓存方案，即随机缓存总大小不超过Ck的一组内容；
(4)、基于步骤(3)中的缓存方案，得到用户k通信范围内其他用户的缓存情况，根据用户k的内容请求概率和周围用户缓存文件，通过目标函数计算当前自身用户k的平均费用，用退火算法求解优化函数，得到用户k平均费用最小的推荐方案；
(5)、基于(4)中的推荐方案计算每个用户新的对内容的请求概率，固定其他用户的缓存方案，对每个用户依次用背包算法求解优化函数，得到系统总平均费用最小的缓存方案；
(6)、将(5)得到的缓存方案替换进(3)，循环进行(4)、(5)，当推荐方案和缓存方案均不再更新时，停止迭代。


2.根据权利要求1所述的缓存使能的D2D通信联合推荐与缓存方法，其特征在于所述步骤(1)具体步骤如下：
计算用户对被推荐的R项内容的请求概率为：



对未被推荐的剩余内容的请求概率为：



其中，表示用户k对推荐的接受程度，为用户k对内容i的偏好程度，为推荐对这R项内容被请求概率的提高；
最终用户k请求内容i的概率为：



其中xk,i∈{0,1}为推荐策略的指示变量，若xk,i为1则表示向用户k推荐内容i，反之则不推荐。


3.根据权利要求1所述的缓存使能的D2D通信联合推荐与缓存方法，其特征在于所述优化函数为：












xk,i∈{0,1},(4e)
yk,i∈{0,1}，(4f)
基于上述优化函数得到的推荐方案的优化函数为：



s.t.(4c)，(4d)，(4e)；
缓存方案的优化函数为：



s.t.(4b)，(4f)
其中...

【专利技术属性】
技术研发人员：朱琦，华宇，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32