动态不确定环境下协作边缘缓存演化适配机理研究

The explosive growth of mobile data service demands brings great challenges to the efficient conversion of resources to service capabilities in wireless networks. Cooperative “Local sinking” of contents by edge caching provides an important way to save backhaul resource and shorten the service delay. For the time inconsistent problem of caching deployment and demand initiation, this project will deeply understand and refine the dynamic uncertainties of context information of user content needs and radio resource capabilities, and establish efficient evolutionary adaptation mechanism of cooperative edge caching. For this purpose, the multi-domain dynamic characteristics of users’ behaviors in social domain, physical domain and content domain will be firstly modeled and analyzed. Moreover, the multi-domain dynamics propagation evolution mechanism of users' content needs will be revealed using multi-domain characteristics. On this basis, oriented to the evolution expectation of content needs under large time scale, cooperative caching deployment mechanism with long-term revenue for heterogeneous networks will be constructed. Oriented to the evolution fluctuation of content needs under small time scale, evolutionary adaptation mechanism of cooperative edge caching will be proposed based on the unmanned aerial vehicle based spatial supplemental adaptation and online collaborative updating of cached contents. Finally, the evolutionary adaptation of cooperative caching capability to multi-time-scale evolution of content needs will be realized in the environment with dynamic uncertainties.

移动数据业务需求的爆发式增长对无线网络资源向服务能力的高效转化带来巨大挑战。将业务内容缓存至边缘网络进行协作化“本地下沉”成为节省回程链路资源、缩短业务时延的重要途径。针对缓存部署决策与用户需求发起的时间不一致性问题，本项目旨在深入理解并提炼用户内容需求及网络资源服务能力等环境上下文信息的动态不确定属性，并依此建立协作边缘缓存高效演化适配机理。为此，本项目将建模分析用户行为在社交域、物理域、内容域的多域动力学特性，从多域属性驱动的角度揭示用户内容需求的多域动力学传播演化机理。在此基础上，面向大时间尺度下内容需求的演化期望特性，基于缓存部署长期复用收益构建异构网络协作缓存部署决策机制；面向小时间尺度下内容需求的演化波动特性，基于无人机辅助的空间补充适配以及缓存内容在线协作更新方式构建协作边缘缓存演化适配机理。从而实现动态不确定环境下网络协作缓存能力对内容需求的多时间尺度演化适配。

随着移动数据业务需求的爆发式增长，下一代通信网络面临着无线网络资源与服务能力间如何进行高效转化的巨大挑战。将业务内容缓存至边缘网络进行协作化“本地下沉”成为节省回程链路资源、缩短业务时延的重要途径。面对协作边缘缓存机制内容需求及网络资源服务能力动态不确定属性的双重挑战，本项目建立了协作边缘缓存高效演化适配机理。首先，项目组基于动态内容传播模型推导出用户需求随时间的变化与缓存部署策略之间的函数关系，提出了一种适应用户动态需求的动态缓存部署策略。其次，项目组提出了多基站分布式云化协作缓存策略，并针对大规模无人机基站群组网提出了基于分布式边缘缓存的协作域划分方案。接着，考虑社交网络对内容流行度估计及内容分发过程的影响，项目组提出了基于用户在线社交网络信息的D2D通信对形成概率预测、基于协同过滤算法的用户偏好预测以及基于斯塔克伯格博弈的激励与内容部署联合设计算法，并构建了加权网络中考虑社交增强和异构采纳的社交传播模型。然后，针对边缘网络多维资源联合受限问题，项目组将移动网络中的边缘计算问题分解为卸载决策子问题与资源分配子问题并迭代求解，达到了提高网络收益的效果，并提出了基于上下文感知的动态TDD配置和资源分配方案，以及非正交多址接入移动边缘计算系统中基于交替方向乘子法的计算卸载方案。此外，考虑到用户定位感知信息对缓存部署决策的影响，项目组提出了基于载波相位的同步和高精度定位方案。最后，针对用户内容请求的空间异构性及时间波动性，项目组分别提出了基于强化学习的边缘缓存方法，以及基于单个用户内容偏好预测的蜂窝网中无人机位置部署及缓存内容部署方案。基于研究成果，发表SCI/EI检索论文11篇（5/6）、申请发明专利4项（4项已授权）。培养博士/硕士35名。完成预期任务。

内容获取失败，请点击重试