隨著無線通信技術的發展,無線傳輸速率越來越快。人們對無線數據傳輸的需求也日益增長。與此同時,以內容為中心的數據(視頻、音頻等)逐漸成為無線數據傳輸的主流。無線緩存技術就是把這些以內容為中心的數據儲存在網絡邊緣的緩存節點中,從而提高網絡的整體性能。本文研究了在緩存節點(存儲空間受限)的幫助下,單個蜂窩網絡中下行文件傳輸的調度。具體來說,用戶隨機地向基站提出文件訪問的請求。當文件訪問請求到達的時候,基站將該文件多播到發出請求的用戶和一些選定的緩存節點。當下一次訪問相同文件的用戶落在這些緩存節點的覆蓋范圍內的時候,緩存節點可以代替基站承接文件傳輸任務。在上述文件有限的生命周期內,由于緩存節點的儲存空間受限,文件的放置(到緩存節點)和文件的傳輸(到用戶)需要聯合優化。在文件的生命周期中,基站對每次多播傳輸資源的分配(多播功率和傳輸符號數量)被建模成一個具有隨機階段數量的動態規劃(Dynamic Programming)問題。此類問題無法用現有方法解決,因此,通過將原始問題轉換為具有固定階段數的等效馬爾可夫決策過程(Markov Decision Process),本文開發了一種漸近最優的框架來... 

【文章來源】：哈爾濱工業大學黑龍江省 211工程院校 985工程院校

【文章頁數】：64 頁

【學位級別】：碩士

【部分圖文】：

從第幀開始的一個文件的多播幀分配示意圖

哈爾濱工業大學工學碩士學位論文-45-儲存空間（,）的關系,其中=1,文件平均訪問次數=100。可以觀察到，在從基準方案2、3，本文所提出的方案到基線1，基準在利用緩存節點分擔傳輸任務方面變得更加保守。因此，以上四種方案的緩存命中率按降序排列。圖6-3平均傳輸代價和緩存節點儲存空間（,）的關系盡管基準方案2和3的緩存命中率高于本文提出的方案，但其對應的基站平均傳輸代價本文提出的方案（參考圖6-3）。因此，如果關注的是（有限文件生命周期內）基站的平均傳輸代價，則最大化緩存命中率并不是最好的策略。圖6-4緩存命中率和緩存節點儲存空間（,）的關系為了說明本文提出的方案具有低復雜度的優點，本文比較了計算準確值函數（最優MDP值迭代算法）和計算近似值函數（本文提出的方案，參考第四

哈爾濱工業大學工學碩士學位論文-47-接近最優解。另外，本文發現如果使用了不準確系統信息的MDP算法的性能不如本文提出強化學習算法，所以學習準確信息在動態規劃問題中非常重要。圖6-6強化學習算法（算法5.1）中近似值函數的收斂示意圖6.5本章小結本章首先描述了數值仿真的場景，接著給出了三種與本文提出方案相比較的基準方案。這些基準方案都是合理的，低復雜度的，性能優越的方案。在已知系統參數的時候，本文提出的方案在不同平均文件總訪問次數，文件熱門程度分布以及不同緩存節點儲存能力的條件下都優于三種基準方案。這是因為本文提出的方案在探索流量分流（用緩存節點分擔基站傳輸任務）比基準方案1更積極，但是比基準方案2和3更保守。同時，本章比較了本文提出的近似算法的計算復雜度和傳統MDP算法的計算復雜度。本文提出的算法可以大大降低傳統MDP算法的復雜度。圖6-7強化學習算法（算法5.1）的性能示意圖


本文編號：2907242