【CN109831790A】雾无线接入网中基于头脑风暴优化算法的协作缓存方法【专利】
【CN109831791A】一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910164221.5(22)申请日 2019.03.05(71)申请人 东南大学地址 211100 江苏省南京市江宁区东南大学路2号(72)发明人 蒋雁翔 胡雅白 郑福春 尤肖虎 (74)专利代理机构 南京苏高专利商标事务所(普通合伙) 32204代理人 颜盈静(51)Int.Cl.H04W 16/18(2009.01)H04W 24/02(2009.01)(54)发明名称一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法(57)摘要本发明公开了一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，该方法包括：(1)每个用户根据距离确定默认服务的雾接入点，并形成每一雾接入点的默认服务用户簇；(2)每一时隙内，各用户发出文件请求，并根据信道情况与缓存状态选择雾接入点进行关联；(3)雾接入点记录每时隙用户对每一文件的请求数，迭代求解微分方程组至收敛，得出各文件关于缓存状态的缓存策略与成本值函数；(4)雾接入点将各文件根据价值大小比值降序排序，依次缓存直至达到雾接入点缓存容量。
本发明可以减少前传负载，降低服务时延，满足时变的用户请求。
权利要求书2页 说明书5页 附图2页CN 109831791 A 2019.05.31C N 109831791A1.一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，其特征在于：包括以下步骤：S1：每个用户根据距离确定默认关联的雾接入点，具有同一默认关联的雾接入点的用户形成该雾接入点的默认服务用户簇；S2：各用户根据当前时隙请求内容、默认关联的雾接入点的缓存状态，及邻近其它雾接入点的信道与缓存状态，选择雾接入点进行关联；S3：雾接入点记录每时隙用户对每一文件的请求数，依据用户对各文件的请求数，得到各文件关于缓存状态的缓存策略与成本值函数；S4：根据S3得到的各文件的成本值函数与相应的缓存策略，按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，进行依次缓存，直至达到雾接入点缓存容量。
雾计算中基于古诺博弈的协作缓存优化算法
雾计算中基于古诺博弈的协作缓存优化算法涂亮;徐雷【摘要】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.【期刊名称】《计算机技术与发展》【年(卷),期】2019(029)006【总页数】5页(P13-17)【关键词】雾计算;协作缓存;时延;链路代价;命中率【作者】涂亮;徐雷【作者单位】南京理工大学计算机科学与工程学院,江苏南京210094;南京理工大学计算机科学与工程学院,江苏南京210094【正文语种】中文【中图分类】TP301.60 引言在移动互联网快速发展的时代，大批智能移动设备访问互联网资源。
显然，传统的云计算在处理如此海量的资源请求时必然会出现诸多问题，例如：高时延、移动支持性差等。
雾计算可看作云计算的延伸，在云端内容中心和用户之间建立的新架构。
雾计算同样可以为用户终端提供相关的计算、内容存储、请求转发等服务。
由于雾计算通过将服务器节点部署距离用户终端相对较近的地理位置，因此时延更低、对移动性支持更好[1]。
移动互联网作为人们日常生活必不可少的部分，对音乐、视频、图片等流媒体内容的获取和发布已经成为当今互联网的主流模式。
据Cisco流量统计数据预测：在2014至2017年间，全球的IP流量增长超过4倍。
预计2019年，视频内容流量将达到网络流量80%[2]。
雾无线接入网络的时延性能分析与优化
雾无线接入网络的时延性能分析与优化雾无线接入网络（F-RAN）是一种新型的无线接入网络架构，它将雾计算与无线接入网络结合在一起，以实现更好的时延性能和更高的网络容量。
在F-RAN中，雾节点将计算资源和存储资源部署在基站附近，可以进行实时的数据处理和存储，从而提高网络的性能。
本文将对雾无线接入网络的时延性能进行分析，并提出优化方案，以改善网络的性能。
1.1 传统无线接入网络的时延问题在传统的无线接入网络中，由于数据需要通过远程的核心网传输，会导致较大的时延。
这对于实时应用来说往往是无法接受的。
而且随着无线接入网络的用户数量增加和应用需求的多样化，时延问题日益凸显，影响了网络的性能和用户体验。
1.2 F-RAN的时延优势F-RAN将雾计算和无线接入网络相结合，基站附近的雾节点可以进行实时的数据处理和存储，减少了数据传输到核心网的距离，从而显著减小了时延。
这种架构优势使得F-RAN能够更好地支持实时应用和大规模连接的需求。
1.3 时延性能分析雾无线接入网络的时延性能与传统无线接入网络相比有显著的提升。
通过在基站附近部署雾节点，可以减少数据传输距离，从而减小时延。
雾节点的实时数据处理和存储能力也能够加速数据的处理过程，提高网络的响应速度。
F-RAN在时延性能上具有明显的优势。
1.4 时延优化挑战虽然F-RAN具有显著的时延优势，但也面临着一些挑战。
雾节点的部署需要考虑其与基站的关联性，以及数据传输的负载均衡问题。
雾节点的计算和存储资源也需要进行有效的管理和调度，以保证网络的性能和稳定性。
如何优化F-RAN的时延性能是一个重要的问题。
2.1 多雾节点部署优化为了减少数据传输的距离和负载均衡问题，可以考虑部署多个雾节点来覆盖基站的周围区域。
这样可以将数据处理和存储的能力进行分布式部署，并且实现负载均衡，从而提高网络的性能和稳定性。
2.2 数据缓存优化为了减少数据传输的时延，可以考虑在雾节点处进行数据缓存。
这样当用户请求相同的数据时，可以直接在雾节点处进行响应，而不需要到核心网进行数据传输，从而减小了时延。
一种雾无线接入网络的无线和缓存资源联合分配方法[发明专利]
![一种雾无线接入网络的无线和缓存资源联合分配方法[发明专利]](https://img.taocdn.com/s3/m/099ff3aba8956bec0875e355.png)
专利名称：一种雾无线接入网络的无线和缓存资源联合分配方法
专利类型：发明专利
发明人：彭木根,张科成,艾元
申请号：CN201710217295.1
申请日：20170405
公开号：CN107040931A
公开日：
20170811
专利内容由知识产权出版社提供
摘要：本发明一种雾无线接入网络的无线和缓存资源联合分配方法，属于无线接入网络技术领域；首先对雾无线接入网络中存在的每个EC‑AP建立各自的文件流行度列表，确定各自的缓存更新；在缓存资源给定的条件下，EC‑AP根据各用户需求的文件，进行无线资源的分配；无线信道资源的分配过程受到缓存文件的大小的加权，在无线信道资源分配的基础上，各EC‑AP给各自服务的用户分配发射功率，从而实现雾无线接入网络的缓存资源和通信资源的联合分配；解决了传统网络中缓存资源和无线资源的分配相互割裂的问题，同时是一种适合在雾无线接入网络中执行的低复杂度算法。
申请人：北京邮电大学
地址：100876 北京市海淀区西土城路10号
国籍：CN
代理机构：北京永创新实专利事务所
代理人：赵文利
更多信息请下载全文后查看。
雾无线接入网络的计算与通信协同技术研究
雾无线接入网络的计算与通信协同技术研究随着物联网的迅猛发展，雾计算作为一种新兴的计算模式逐渐受到广泛关注。
在雾计算中，终端设备通过无线接入网络实现与远程服务器的交互，以获取计算和存储资源。
然而，由于雾计算环境的特殊性，即终端设备数量庞大且计算能力有限，使得雾计算中的计算和通信协同成为一项重要的技术研究。
首先，雾计算中的计算协同技术是指如何将任务分配给不同的终端设备，以优化计算资源的利用率。
在传统的云计算中，任务通常会被分配给云服务器进行处理，但在雾计算中，终端设备也具备一定的计算能力。
因此，通过合理地将任务分配给终端设备，可以降低任务的处理延迟和能耗，并提高计算资源的利用效率。
为了实现计算协同，可以采用分布式任务调度算法，根据终端设备的计算能力、网络状态和能耗等因素，动态地选择将任务分配给哪些终端设备进行处理。
此外，还可以利用机器学习等技术，通过学习历史任务的处理情况，预测终端设备的计算能力，从而更加精准地分配任务。
其次，雾计算中的通信协同技术是指如何通过优化通信方式和协议，提高终端设备与远程服务器之间的通信效果。
由于终端设备数量庞大，网络拓扑复杂，通信质量不稳定等因素，通信协同成为雾计算中的一大挑战。
为了提高通信效果，可以采用多路径传输技术，即利用多个通信路径同时传输数据，以提高传输速度和可靠性。
此外，还可以利用自适应调制技术，根据信道状态自动调整传输速率和功率，以适应不同的通信环境。
同时，通过使用强化学习等算法，可以实现网络的自动优化和调度，提高通信效果。
最后，计算和通信协同技术在雾计算中的应用具有广泛的前景。
例如，在智能交通系统中，通过将交通数据的采集和分析任务分配给终端设备进行处理，可以实现实时的交通监测和控制。
在智能家居系统中，通过将传感器数据的处理任务分配给终端设备进行处理，可以实现智能化的家居环境控制。
此外，在物流管理、环境监测等领域，计算和通信协同技术也能够发挥重要作用，提高系统的效率和可靠性。
【CN109873869A】一种雾无线接入网中基于强化学习的边缘缓存方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910163764.5(22)申请日 2019.03.05(71)申请人 东南大学地址 211100 江苏省南京市江宁区东南大学路2号(72)发明人 蒋雁翔 陆镠央 尤肖虎 (74)专利代理机构 南京苏高专利商标事务所(普通合伙) 32204代理人 颜盈静(51)Int.Cl.H04L 29/08(2006.01)H04W 28/14(2009.01)(54)发明名称一种雾无线接入网中基于强化学习的边缘缓存方法(57)摘要本发明公开了一种雾无线接入网中基于强化学习的边缘缓存方法，包括：(1)根据全局文件流行度，初始化节点的本地缓存动作向量、系统状态，以及权重向量；(2)记录前一时隙的缓存动作向量；(3)在每个时隙结束时刻，根据贪婪选择算法以及近似值函数，得出新的缓存动作向量；(4)根据时隙内收集到的用户请求次数计算内容流行度，同时根据时隙内收集的用户偏好标记，结合文件特征标记，计算区域用户偏好，确定系统状态；(5)根据时隙内用户对各个文件的请求次数，计算缓存命中率，得到即时回报函数以及即时误差函数；(6)更新权重向量，进入下一时隙。
权利要求书2页 说明书5页 附图2页CN 109873869 A 2019.06.11C N 109873869A1.一种雾无线接入网中基于强化学习的边缘缓存方法，其特征在于：包括以下步骤：S1：根据全局文件流行度初始化节点的本地缓存动作向量a(0)，并随机初始化系统状态s(0)和权重向量w 0；S2：在第t个时隙，记录上一时刻的缓存动作向量a(t -1)，当前时刻的缓存动作向量a (t)＝[a 1(t),...,a f (t),...,a F (t)]T ，其中a f (t)＝1表示在第t个时隙第f个文件已缓存至本地，a f (t)＝0表示在第t个时隙第f个文件未缓存至本地；S3：本地节点各自计算周期内的内容流行度p(t)和收集自身覆盖区域用户偏好q(t)，并结合S2中记录的上一时刻缓存动作向量a(t -1)，确认当前的系统状态s(t)；S4：在第t个时隙结束时刻，根据事先设定的贪婪选择中的贪婪因子∈t ，进行缓存动作向量的选择：其中，为近似值函数，s(t)为系统状态，为缓存动作集合，w t 为权重向量；S5：收集用户对各个文件的请求次数，计算得到即时回报函数r(t)，并以此计算即时误差函数S6：更新权重向量w t ，并令t＝t+1，开始下一个时隙的缓存优化。
雾无线接入网中的多层协作缓存方法
雾无线接入网中的多层协作缓存方法蒋雁翔; 夏骋宇【期刊名称】《《通信学报》》【年(卷),期】2019(040)009【总页数】8页(P116-123)【关键词】雾无线接入网; 协作缓存; 后传链路负载; 文件流行度【作者】蒋雁翔; 夏骋宇【作者单位】东南大学移动通信国家重点实验室江苏南京 210096; 香港科技大学电子与计算机工程系香港 999077【正文语种】中文【中图分类】TN9151 引言近年来，移动网络中对于多媒体业务的需求呈现爆炸式增长，由此带来的传输链路负载，尤其是无线接入网络和后传链路中的负载成为移动运营商们亟待解决的问题[1-2]。
为了解决这些问题，研究者们提出了许多适用于未来新一代移动通信系统的新型网络架构及创新的文件传输方式[3-7]，其中一种比较流行的方法就是将流行文件缓存在离用户较近的地方，这种方法主要包括以下2 种方案。
1)在基站部署缓存，以有效降低用户对于流行内容的重复下载而带来的后传链路负担，同时还可以提高移动网络的服务质量，如降低时延等[2-7]。
2)采用新型网络的架构，将基站小型化，使整个通信网络都更加靠近用户。
在雾无线接入网中，有较为分散部署的云节点（CU,cloud unit）、大量密集部署的小型雾接入点（F-AP,fog access point）等，形成了一种多层的拓扑结构。
由于减小了接入节点和用户的距离，雾无线接入网架构可以很有效地提高无线网络的区域频谱效率及网络容量[4-6]。
然而，在对雾网缓存布置的研究中，始终有2 个很重要的问题[4-6]，一是底层的F-AP 缓存容量都较小，无法缓存大量的流行文件；二是F-AP 覆盖的用户很少，导致他们产生的文件请求无法反映文件的聚集效应，因此无法准确估计出在本地流行的文件。
考虑到上述2 个问题，本文基于F-AP 成簇的场景，提出了一种多层协作缓存方法。
单个F-AP覆盖用户很少，但是一个F-AP 簇可以覆盖拥有相似文件喜好的一群用户（例如一幢写字楼中的员工、一个体育场中的观众等），将F-AP 适当成簇，可以通过更多的文件请求更准确地估计出文件的本地流行度；而多层的协作缓存则可以提高系统的协作度，弥补F-AP 缓存容量小的问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910163778.7
(22)申请日 2019.03.05
(71)申请人 东南大学
地址 211100 江苏省南京市江宁区东南大
学路2号
(72)发明人 蒋雁翔 陈璇 郑福春 尤肖虎
(74)专利代理机构 南京苏高专利商标事务所
(普通合伙) 32204
代理人 颜盈静
(51)Int.Cl.
H04W 16/18(2009.01)
H04W 24/02(2009.01)
(54)发明名称雾无线接入网中基于头脑风暴优化算法的协作缓存方法(57)摘要本发明公开了一种雾无线接入网中基于头脑风暴优化算法的协作缓存方法，包括：(1)基于混合协作部署优化问题构建评价函数；(2)计算每个决策变量的评价值，根据评价值对决策变量进行分类；(3)基于上一代分类后的决策变量生成新的决策变量；(4)根据评价值最高的缓存决策变量，做出相应的缓存决策。
本发明设计了基于头脑风暴优化算法的混合协作缓存方法，能在可承受的复杂度范围内获得性能较好的解，能有效降低用户请求时延；其分布式计算的特点符合雾无线接入网的架构，比传统的集中式的解析类
算法更加适用。
权利要求书2页 说明书5页 附图2页CN 109831790 A 2019.05.31
C N 109831790
A
1.雾无线接入网中基于头脑风暴优化算法的协作缓存方法，其特征在于：包括以下步骤：
S1：以混合协作部署优化问题为目标函数构建评价函数，根据构建的评价函数计算每个决策变量的评价值；
S2：根据计算得到的评价值将决策变量进行分类；
S3：基于分类后的决策变量生成新一代的决策变量，当迭代次数未满时转到S2，迭代结束后转到S4；
S4：比较历代缓存决策变量的评价值，选择评价值最高的作为最终的缓存决策。
2.根据权利要求1所述的雾无线接入网中基于头脑风暴优化算法的协作缓存方法，其特征在于：
所述S1中的评价函数具体表达为：
其中：式(1)中，
为雾无线接入节点集合，m＝0表示云中心，i表示当前迭代次数，借助染色体表示法表示对于第i次迭代中第p组第m个节点的缓存决策变量，属于0-1整数变量，为协作部署优化问题的目标函数，相应的优化问题为0-1整数优化问题，
为决策变量对应的评价值，为第i次迭代中第p组决策变量的评价值；式(2)中，
为决策变量消耗的缓存节点m的存储空间，C m 为缓存节点m的总存储空间,I为最大迭代次数，κ(i)为罚值函数：
式(3)中，参数ε1、ε2用于控制
κ(i)的范围。
3.根据权利要求1所述的雾无线接入网中基于头脑风暴优化算法的协作缓存方法，其特征在于：所述S2具体包括：
S2-1：根据评价函数计算每个决策变量的评价值，按照评价值从高到低排序；
S2-2：根据不同的需求，预先设定一个精英比例值e；
S2-3：根据评价值对决策变量进行分类，评价值前e％的属于精英类，余下的为普通类。
4.根据权利要求3所述的雾无线接入网中基于头脑风暴优化算法的协作缓存方法，其特征在于：所述S3具体包括：
S3-1：随机生成一个随机数r∈(0,1)；
S3-2：引入基于精英类生成新决策的概率值p e ，比较随机数r与p e 的大小，选择是基于精英类还是普通类生成新决策变量；若r＜p e ，将基于精英类生成新决策变量，若r≥p e ，则将基
权 利 要 求 书1/2页2CN 109831790 A。