CABaRet: Leveraging Recommendation Systems for Mobile Edge Caching
最近提出了联合缓存和推荐，以提高移动边缘缓存的效率。虽然以前的工作假设移动网络运营商和内容提供方（谁控制的推荐系统）之间的合作，这可能是具有挑战性的，在今天的经济生态系统，现有的协议和架构。在本文中，我们提出了一种方法，使缓存感知的建议，而不需要网络和内容提供方的合作。我们利用推荐系统公开提供的信息，并构建一个提供缓存友好和高质量推荐的系统。我们将我们的方法应用于YouTube服务，并对YouTube视频推荐和视频请求实验进行测量，以评估缓存命中率的潜在收益。最后，我们分析研究的缓存优化问题，根据我们的方法。我们的研究结果表明，在实践中可以实现显着的缓存增益;从缓存感知的建议，缓存命中率增加8至10倍，并从缓存优化额外增加2倍。
2018-06-07 cs.NI
A Collaborative Framework for In-network Video Caching in Mobile Networks
由于移动无线网络中在线视频内容的爆炸式增长，网内缓存对于改善终端用户体验和降低移动网络运营商的互联网接入成本变得越来越重要。然而，缓存是一个困难的问题，由于非常大量的在线视频和视频请求，有限的容量的缓存节点，和有限的带宽的网络链接。依赖于静态配置和平均请求到达率的现有解决方案不足以有效地处理动态请求模式。在本文中，我们提出了一个动态的协同视频缓存框架部署在移动网络中。我们将缓存问题分解为内容放置子问题和源选择子问题。然后，我们开发SRS（系统容量预留策略）来解决内容放置子问题，和LinkShare，一个自适应的流量感知算法来解决源选择子问题。我们的框架支持拥塞避免，并允许合并多个请求为同一个视频到一个请求。我们进行了广泛的模拟，以验证所提出的计划。仿真结果表明，我们的SRS算法实现的性能在1-3%的最优值和LinkShare显着优于现有的解决方案。
2014-04-03 cs.NI
Maximizing Clearance Rate of Reputation-aware Auctions in Mobile Crowdsensing
拍卖已被用作一个有效的框架管理和分配的任务，在移动crowdsensing（MCS）。在拍卖术语中，清仓率（CR）是指在拍卖期间售出的物品的百分比。本研究关注的是最大限度地提高CR的声誉感知（RA）拍卖集中，参与MCS系统。文献中的最新技术集中在几个挑战上，包括参与者可能发送的不真实的出价和恶意信息。然而，对此类系统中完成任务的数量却关注较少，尽管这对服务需求者的满意度有着切实的影响。为了最大限度地提高MCS系统中的CR的目标，我们提出了两个新的配方的招标程序，这是任务分配策略的一部分。进行了模拟，以评估所提出的方法及其对用户效用的影响，根据不同数量的拍卖，任务和参与者。我们证明了所建议的方法的有效性，通过一致的和相当大的增加（三倍增加，在某些情况下）在CR相比，国家的最先进的。
2018-10-13 cs.NI
Cache Replacement Policies for Cooperative Caching in Mobile Ad hoc Networks
协作缓存是一种用于移动自组织网络的技术，通过减少访问延迟和带宽使用来提高信息访问的效率。缓存替换策略通过选择合适的缓存项子集进行回收，在缩短响应时间方面起着重要的作用。在本文中，我们已经提出了一个审查现有的缓存替换算法在ad hoc网络中的合作缓存。我们试图对现有的更换策略进行分类的Ad Hoc网络的基础上所采取的更换决定。此外，本文提出了一些替代技术的缓存替换。最后，对未来的研究方向进行了展望。
2012-08-16 cs.NI
Dynamic Placement of VNF Chains for Proactive Caching in Mobile Edge Networks
尽管在过去的几年中，网络功能虚拟化（NFV）架构受到了大量的研究工作，但是当将其视为服务链时，很少关注优化主动缓存。由于流行内容的缓存被设想为新兴5G网络中的关键技术之一，以提高网络效率和整体终端用户感知的服务质量，因此本文明确考虑基于缓存的VNF服务链的相互作用和后续优化。为此，我们详细介绍了一种新的数学规划框架量身定制的VNF缓存链和详细的无标度启发式提供有竞争力的解决方案，为大型网络实例，因为问题本身可以被看作是一个变种的经典NP-硬无容量设施位置（UFL）问题。一组广泛的数值研究，提出了所提出的计划的特点可达到的系统性能。
2018-07-27 cs.NI
Towards Hierarchical Mobile Edge Computing: An Auction-Based Profit Maximization Approach
物联网（IoT）设备、云和云的多层概念正在促进以用户为中心的物联网。然而，在这样的三层网络中，仍然期望研究有效的策略来向用户提供计算、存储和通信资源。为此，本文提出了一种新的分层模型，通过引入场，浅，深的微云的概念，其中微云层本身被设计在三个层次的基础上的LTE-Advanced回程网络的原则。因此，我们探索了一个两个时间尺度的方法，其中的计算资源提供基于拍卖的利润最大化的方式，然后分配通信资源，以满足用户的QoS。
2016-12-01 cs.NI
Joint Optimization of Data Sponsoring and Edge Caching for Mobile Video Delivery
在这项工作中，我们研究了边缘缓存和数据赞助的视频内容提供方（CP）的联合优化，旨在降低内容交付成本，增加CP的收入。具体来说，我们制定的联合优化问题作为一个两阶段的决策问题的CP。在阶段I中，CP确定边缘高速缓存策略（在相对长的时间段内）。在阶段II中，CP为该时段内的每个内容请求决定实时数据赞助策略。我们首先在第二阶段提出了一个基于Lyapunov的在线赞助策略，达到了离线最大性能（基准）的90%。然后，我们解决了边缘缓存问题，在第一阶段提出的在线赞助策略的基础上，在第二阶段，并表明，最佳的缓存策略取决于聚合用户请求的每个内容在每个位置。仿真结果表明，与单纯的数据赞助相比，这种联合优化可以使CP的收益提高30%~ 100%，没有边缘缓存）。
2016-11-01 cs.NI
Adaptive Contextual Caching for Mobile Edge Large Language Model Service
针对移动边缘LLM部署的资源约束与缓存低效问题，提出基于深度强化学习的自适应上下文缓存框架，可提升缓存命中率、降低检索延迟与更新开销，支撑边缘环境低延迟LLM服务。
2025-01-16 cs.NI
Distributed Deep Learning at the Edge: A Novel Proactive and Cooperative Caching Framework for Mobile Edge Networks
这封信提出了两种新的主动合作缓存方法，使用深度学习（DL）来预测用户在移动边缘缓存网络中的内容需求。在第一种方法中，（中央）内容服务器负责收集网络中所有移动边缘节点（MEN）的信息，然后执行我们提出的深度学习（DL）算法来预测整个网络的内容需求。然而，这样的集中式方法可能会公开私人信息，因为MN必须与内容服务器共享其本地用户的数据。因此，在第二种方法中，我们提出了一种新的基于分布式深度学习（deep learning，缩写为EML）的框架。该模型允许网络中的移动用户进行协作和信息交换，以减少内容需求预测的误差，而不会泄露移动用户的隐私信息。仿真结果表明，与其他机器学习算法相比，本文提出的方法可以将均方根误差（RMSE）降低到33.7%，服务延迟降低36.1%，从而提高了定位精度。
2018-12-13 cs.NI
Joint Optimization of Service Caching Placement and Computation Offloading in Mobile Edge Computing Systems
在移动边缘计算（MEC）系统中，边缘服务缓存是指预先存储用于在MEC服务器处执行计算任务的必要程序。在资源受限的边缘服务器上，服务缓存放置通常是一个复杂的问题，与计算任务的卸载决策高度相关。在本文中，我们考虑一个单一的边缘服务器，协助移动用户（MU）在执行一系列的计算任务。特别地，MU可以在边缘服务器处运行其定制的程序，而服务器可以选择性地缓存先前生成的程序以供将来的服务重用。为了最小化MU的计算延迟和能量消耗，我们制定了一个混合整数非线性规划（MINLP），共同优化服务缓存的位置，计算卸载，和系统资源分配。我们首先推导出最优资源分配的封闭表达式，然后将MINLP转化为一个等价的纯0-1整数线性规划（ILP）。为了进一步降低求解ILP的复杂性，我们利用最优解的底层结构，并设计了一种降低复杂性的交替最小化技术来交替更新缓存放置和卸载决策。仿真结果表明，所提出的技术实现了大量的资源节省相比，其他代表性的基准方法。
2020-04-14 cs.NI
A Distributed Auction Policy for User Association in Device-to-Device Caching Networks
我们提出了一种分布式投标辅助的主载波侦听多路访问（CSMA）策略的设备到设备（D2 D）的内容分发。网络由D2 D接收器和潜在的D2 D发射器组成，即，通过调度算法来打开或关闭发射机。每个D2 D接收器通过对其通信范围内的潜在发射器的集合进行投标来确定其请求的值。给定介质接入概率，联合调度一部分潜在发射机，即，开启，由拍卖策略和功率控制方案共同确定。投标辅助调度算法利用（i）本地需求分布，（ii）D2 D节点位置的空间分布，以及（iii）潜在发射机的高速缓存配置。我们对比了投标辅助的CSMA策略与其他著名的CSMA方案，不考虑（i）-（iii）的性能，证明我们的算法实现了更高的频谱效率方面的比特数每单位时间每单位带宽每用户。在随机配置和请求下，而不是在更偏斜的布局配置和确定性的需求分布下，增益变得更加明显。
2017-10-13 cs.IT cs.NI math.IT
POEM: Pricing Longer for Edge Computing in the Device Cloud
多址移动边缘计算已经被提出作为一种有前途的技术，通过充分利用边缘云服务器，将计算服务带到终端用户身边。在移动终端云（MDC）中，空闲终端设备可以充当边缘服务器，以向繁忙终端设备提供计算服务。现有的基于拍卖的激励机制大都只考虑一轮拍卖，没有考虑时间相关性。此外，虽然现有的单轮拍卖也可以多次使用，但用户必须以更高的出价进行交易，以在级联拍卖中获得更多的资源，那么他们的预算将过早地耗尽，无法参与下一次拍卖，导致拍卖失败，整体利益可能会受到影响。在本文中，我们制定的计算卸载问题作为一个社会福利优化问题与移动设备的预算，并考虑定价更长的移动设备。该问题是一个多选择多维0-1背包问题，是一个NP难问题。我们提出了一个名为MAFL的拍卖框架，在每一轮中运行一个单轮资源拍卖的长期利益。大量的仿真结果表明，所提出的拍卖机制的收益比单轮平均约55.6%，MAFL的收益比现有的双重拍卖约68.6%。
2018-12-05 cs.NI
Dynamic Mobile Edge Caching with Location Differentiation
移动边缘缓存使内容能够直接在无线电接入网络内交付，这有效地减轻了回程负担并减少了往返延迟。为了充分利用边缘资源，应该识别和缓存最流行的内容。针对内容流行度在不同位置差异较大的特点，提出一种在线学习算法，动态预测内容的点击率，并根据位置差异进行缓存决策，以最大化本地点击率。具体而言，使用线性模型来估计未来命中率。考虑到用户需求的变化，将扰动添加到估计以考虑不确定性。所提出的学习算法不需要训练阶段，因此适应于时变的内容流行度简档。理论分析表明，该算法在长期内渐近地逼近最优策略。基于真实世界的大量仿真结果表明，与其他方案相比，该算法具有更高的命中率和更好的内容流行度波动适应性。
2017-09-15 cs.NI
Mobile-Based Video Caching Architecture Based on Billboard Manager
视频流媒体服务今天非常受欢迎。越来越多的用户现在可以在他们的移动设备上无线地访问多媒体应用和视频回放。然而，一个重大的挑战仍然是确保在3G网络上平滑和不间断地传输几乎任何大小的视频文件，并尽可能快地优化带宽消耗。在本文中，我们建议定位我们的广告牌管理器，以提供最佳的传输速率，使流畅的视频播放到连接到3G网络的移动终端用户。我们的工作重点是从Billboard Manager管理的缓存资源中服务移动运营商的用户请求，并从该池中传输视频文件。其目的是通过路由尽可能多的用户请求远离互联网来减少移动运营商的带宽资源上的负载，以便必须搜索视频，并且随后，如果找到，则将其传输回用户。
2015-07-24 cs.NI
An Optimized Multi-Layer Resource Management in Mobile Edge Computing Networks: A Joint Computation Offloading and Caching Solution
如今，数据缓存正被用作移动边缘计算网络中的高速数据存储层，其以指数速率采用流控制方法。这项研究表明，如何发现最佳的回程网络的缓存能力，使用分布式卸载技术的架构。本文使用连续功率流分析来实现最佳负载约束，其中具有各种缓存容量的宏基站的功率由智能电网网络或可再生能源系统提供。这项工作提出了在小区边缘的用户之间的无处不在的连接性，并卸载宏小区，以便提供宏小区本身无法应对的特征，例如所需的用户数据速率和能量效率的极端变化。然后将卸载框架改造为神经加权框架，该框架考虑了Karush Kuhn Tucker优化限制下移动边缘计算的收敛性和Lyapunov不稳定性要求，以获得精确的解。在边界和中心点的细胞层的性能进行了分析。分析和仿真结果表明，该方法优于其他节能技术。此外，在文献中研究的其他解决方案相比，所提出的方法表明，两个小区边缘用户的吞吐量和每个集群的总吞吐量增加了两到三倍。
2022-11-11 cs.NI
Content Popularity Prediction Towards Location-Aware Mobile Edge Caching
移动边缘缓存使得能够在无线电接入网络内进行内容递送，这有效地减轻了回程负担并减少了响应时间。为了充分利用边缘存储资源，应该识别和缓存最流行的内容。针对用户在不同位置对特定内容的需求差异较大的特点，设计了位置定制的缓存方案，以最大化总的内容命中率。具体地，使用线性模型来估计未来内容命中率。针对模型噪声为零均值的情况，提出了一种基于岭回归的正扰动在线算法。遗憾分析表明，该算法在长期内渐近接近最优缓存策略。在噪声结构未知的情况下，通过设定阈值，提出了一种基于$H_{\infty}$滤波器的在线算法，保证了在最坏情况下的预测精度。这两种在线算法都不需要训练阶段，因此对随时间变化的用户需求具有鲁棒性。数值分析了两种算法估计误差的根本原因。在真实数据集上进行了大量的实验，验证了所提算法的适用性。结果表明，这些算法可以应用于不同的噪声功能的情况下，并能够作出自适应缓存决策，实现内容命中率，是通过事后诸葛亮最优策略相媲美。
2018-09-01 cs.NI
Cooperative Service Caching and Workload Scheduling in Mobile Edge Computing
移动边缘计算通过将云功能推到网络边缘，有利于减少服务响应时间和核心网络流量。边缘节点具备存储和计算能力，可以缓存资源密集型和延迟敏感型移动应用的服务，并处理相应的计算任务，而无需外包给中心云。然而，边缘节点资源能力的异构性以及边缘节点存储和计算能力的不一致性，使得在边缘节点之间缺乏协作的情况下，很难联合充分利用边缘节点的存储和计算能力。为了解决这个问题，我们考虑边缘节点之间的合作，并研究合作服务缓存和工作负载调度在移动边缘计算。该问题可以转化为一个混合整数非线性规划问题，具有非多项式的计算复杂性。为了克服子问题耦合，计算通信权衡，和边缘节点异构性的挑战，我们开发了一个迭代算法称为ICE。该算法是基于吉布斯抽样，它具有可证明的近最优结果，和注水的思想，它具有多项式计算复杂度的基础上设计的。仿真结果表明，与基准算法相比，该算法能够同时降低服务响应时间和外包流量。
2020-02-04 cs.NI
Security and Privacy for Mobile Edge Caching: Challenges and Solutions
移动边缘缓存技术是下一代移动网络的一项重要技术，能够有效地在网络边缘提供服务环境和云存储能力。通过充分利用网络边缘的存储和计算资源，移动边缘缓存可以显著降低服务延迟，降低网络负载，改善用户体验。另一方面，边缘缓存受到许多关于隐私侵犯和安全漏洞的威胁。在本文中，我们首先介绍了移动边缘缓存的架构，并解决了关于为什么，在哪里，什么和如何缓存的关键问题。然后，我们研究了潜在的网络威胁，包括缓存中毒攻击，缓存污染攻击，缓存侧信道攻击，缓存欺骗攻击，导致巨大的关注隐私，安全性和信任的内容放置，内容交付，和移动用户的内容使用，分别。在此之后，我们提出了一个面向服务和基于位置的高效密钥分发协议（SOLEK）作为一个例子，在移动边缘缓存的高效和安全的内容交付。最后，我们讨论了保护隐私的内容放置，高效和安全的内容交付，以及可信的内容使用，预计将吸引更多的关注和努力到安全的边缘缓存的潜在技术。
2020-12-06 cs.CR cs.NI
Joint Optimization of DNN Model Caching and Request Routing in Mobile Edge Computing
School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）；Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系）
本文研究移动边缘计算网络中DNN模型缓存与请求路由的联合优化问题，提出CoCaR算法提升用户请求推理精度，CoCaR-OL在动态场景下进一步提升用户体验质量。
2026-05-12 cs.NI
Consistent User-Traffic Allocation and Load Balancing in Mobile Edge Caching
配备高速缓存的基站（CBS）是一种有吸引力的替代卸载快速增长的回程流量在移动网络中。新的5G技术和密集的毫微微蜂窝使一个用户能够同时连接到多个基站。实际的实现需要在BS中的缓存被视为一个缓存服务器，但很少有现有的工作考虑如何卸载流量，或如何调度HTTP请求到CBS。在这项工作中，我们提出了一个基于DNS的HTTP流量分配框架。该算法通过DNS解析在多个CBS之间调度用户流量，兼顾负载均衡、流量分配一致性和DNS调度粒度。为了解决这些问题，我们制定了基于DNS的移动边缘缓存的用户流量分配问题，旨在最大限度地提高QoS增益和分配的一致性，同时保持负载平衡。然后，我们提出了一个简单的贪心算法，它给出了一个更一致的解决方案时，用户流量的动态变化。理论分析证明，该方法与最优解的误差在3/4以内。在数值和跟踪驱动的情况下的广泛的评估表明，贪心算法可以避免约50%的不必要的移动用户流量分配，产生更稳定的缓存命中率和平衡的负载CBS之间没有失去太多的QoS增益。
2020-01-16 cs.NI
Cooperative Caching Framework for Mobile Cloud Computing
由于移动设备和无线网络的进步，结合了移动计算和云计算的移动云计算自2009年以来获得了发展势头。移动设备和无线网络的特点使得移动云计算的实现比固定云更加复杂。本节列出了移动云计算中的一些主要问题。移动云计算中的关键问题之一是服务请求的端到端延迟。数据缓存是有线和无线网络中广泛使用的技术之一，用于提高数据访问效率。在本文中，我们探讨了一种合作的缓存方法，以提高移动云计算的数据访问效率的可能性。所提出的方法是基于cloudlets，为移动云计算设计的架构之一。
2013-07-29 cs.DC cs.NI
Sparks of GPTs in Edge Intelligence for Metaverse: Caching and Inference for Mobile AIGC Services
本文针对元宇宙移动AIGC服务的边缘PFM部署难题，提出联合缓存推理框架、上下文年龄（AoC）指标及最小上下文算法，平衡延迟、能耗与精度。
2023-04-28 cs.NI
Information-Centric Wireless Networks with Mobile Edge Computing
为了更好地适应急剧增长的数据缓存和计算服务的需求，存储和计算能力应该被赋予网络内的一些中间结点。在本文中，我们设计了一种新的虚拟化异构网络框架，旨在使内容缓存和计算。随着整个系统的虚拟化，通信、计算和缓存资源可以在与不同虚拟服务提供商相关联的所有用户之间共享。我们制定的虚拟资源分配策略作为一个联合优化问题，其中的收益，不仅虚拟化，但也缓存和计算考虑在建议的架构。此外，为了降低计算复杂性和信令开销，采用了一种基于乘子交替方向法的分布式算法来求解该问题。最后，大量的仿真结果表明，所提出的方案在不同的系统参数下的有效性。
2017-06-29 cs.NI
Social Groups Based Content Caching in Wireless Networks
无线移动流量的空前增长，主要是由于在线社交平台上的多媒体流量，已经使移动回程网络中的资源紧张。减少回程负载的一种有前途的方法是在网络边缘主动缓存内容，同时考虑到覆盖的社交网络。已知的缓存方案需要社交图的完整知识，并且主要集中在一对一交互上，放弃了在“朋友”圈子之间共享内容的流行模式。我们提出宾果，一个积极主动的内容缓存计划，利用在线社交网络中的利益集团的存在。移动网络运营商（MNO）可以基于用户简档和收入数字来选择在选定的网络节点（基站、分组核心、数据中心）处增量地部署Bingo。我们使用可用的用户内容请求日志来近似用户的组成员关系，而无需对覆盖的社交图有任何先验知识。Bingo可以迎合在线社交团体和文件流行度分布的不断变化的性质，以做出缓存决策。我们使用综合生成的组结构和模拟用户请求在基站对传统和最近的缓存方案的经验评估。Bingo在最佳基线上实现了高达30%-34%的增益。
2021-10-07 cs.NI
Empirically Assessing Opportunities for Prefetching and Caching in Mobile Apps
移动软件中的网络延迟对用户体验有很大的影响，并可能带来严重的经济后果。在基于浏览器的系统中，预取和缓存已经被证明可以有效地减少延迟。然而，由于网络交互的差异，这些技术不能直接应用于新兴的移动应用领域。此外，缺乏对可能适用于移动应用领域的预取和缓存技术的研究，并且不清楚这些技术是否有效或是否可行。本文通过进行全面的研究来了解1000多个流行Android应用程序中HTTP请求的特征，从而迈出了回答这些问题的第一步。我们的工作重点是使用静态程序分析技术和缓存的结果响应的请求的可预取性。我们发现，在移动应用程序中利用预取和缓存有很大的机会，但合适的技术必须考虑到应用程序的网络交互和特性的性质，如不可信的HTTP头信息。我们的观察为开发人员在应用程序开发中利用预取和缓存方案提供了指导方针，并激励了这一领域的未来研究。
2018-10-20 cs.NI cs.SE
PCach: The Case for Pre-Caching your Mobile Data
我们提出了PCach，一个基于智能手机的方法，用于缓解蜂窝网络中的拥塞导致的指数增长的移动数据流量。PCach的基本思想很简单：使用WiFi主动缓存智能手机内存中的内容，否则这些内容将通过蜂窝网络传输。然而，它导致了几个具有挑战性的问题，包括有多少移动数据实际上流经蜂窝网络，有多少数据可以预缓存，以及何时预缓存以及预缓存什么。我们通过对专门构建的Android众测应用程序收集的用户数据进行全面分析，逐步解决这些问题，该应用程序自2014年7月以来被45名用户积极使用。我们的分析表明，中等智能手机用户通过蜂窝网络传输15%的数据，其中80%可以通过WiFi预先缓存。为了利用这些结果，我们对测量数据进行了仔细分析，以引入一种算法，该算法可以在现成的智能手机上独立运行，并以良好的准确性预测何时以及预缓存什么。
2018-07-26 cs.NI
Pricing-Driven Service Caching and Task Offloading in Mobile Edge Computing
通过提供移动边缘计算（MEC）服务，无线设备（WD）在本地运行其所需程序时不再需要经历长延迟，而是可以支付将计算任务卸载到边缘服务器的费用。考虑到其有限的存储空间，基站（BS）处的边缘服务器通过满足和指导WD的卸载决策来确定缓存哪些服务节目是重要的。在本文中，我们提出了一个MEC服务定价方案，以协调服务缓存的决定和控制WD的任务卸载行为。我们提出了一个两阶段的不完全信息的动态博弈模型和分析的BS和多个关联的WD之间的两阶段的相互作用。具体地，在阶段I中，BS确定MEC服务缓存并向WD宣布服务程序价格，目的是在存储和计算资源约束下最大化其预期利润。在阶段II中，给定不同服务程序的价格，每个WD自私地决定其卸载决策以最小化个体服务延迟和成本，而不知道其他WD的期望程序类型或本地执行延迟。尽管缺乏WD的信息和耦合的所有WD的卸载决策，我们得出的最佳阈值为基础的卸载政策，可以很容易地通过WD在第二阶段的贝叶斯均衡。然后，通过预测WD的卸载均衡，我们联合优化BS的定价和服务缓存在第一阶段通过一个低复杂度的算法。特别是，我们研究了统一和差异化的定价方案。对于差异化定价，我们证明了相同的价格应该收取相同的工作量的缓存程序。
2020-11-04 cs.NI
Auction-based Incentive Mechanisms for Dynamic Mobile Ad-Hoc Crowd Service
我们调查一种新兴的用户辅助的移动应用程序或服务，称为动态移动Ad-hoc人群服务（DMACS），如通过智能手机或位置隐私保护通过一群智能手机用户的协作流。这样的服务由携带智能移动设备（例如，智能电话）彼此紧密接近（例如，在蓝牙范围内）。DMACS系统中的用户随时间动态地到达和离开，并且根据无线电范围约束被分成多个可能重叠的组。这类系统成功的关键是要有一个激励用户参与和确保公平交易的机制。本文设计了一种多市场、动态的双重拍卖机制，简称为M-CHAIN，并证明它是真实的、可行的、个人理性的、无赤字的、计算效率高的。M-CHAIN的新颖性和重要性在于它解决了移动无线环境中自然发生的多组或多市场动态双向拍卖问题中的公平交易问题。我们通过模拟生成的用户模式（随机到达，随机市场聚类的用户）和现实世界的痕迹的基础上证明了它的效率。
2015-03-23 cs.GT cs.NI
Collaborative Multi-bitrate Video Caching and Processing in Mobile-Edge Computing Networks
最近，移动边缘计算（MEC）已经作为一种新兴的范例出现，其通过在基站（BS）处部署MEC服务器来将云计算能力扩展到无线电接入网络（RAN）的边缘。在本文中，我们设想了一个协作的联合缓存和处理策略，按需视频流在MEC网络。我们的设计旨在提高广泛使用的自适应比特率（ABR）流媒体技术，其中多个比特率版本的视频可以交付，以适应用户能力的异构性和网络连接带宽的变化。所提出的策略面临两个主要挑战：（i）不仅视频，而且其适当的比特率版本必须被有效地选择以存储在高速缓存中，以及（ii）需要考虑不同版本之间的转码关系以有效地利用MEC服务器处的处理能力。为此，我们制定的协作联合缓存和处理问题作为一个线性规划（ILP），最大限度地减少回程网络的成本，受缓存存储和处理能力的限制。由于NP-完全性的问题和现有的离线方法的不切实际的开销，我们提出了一种新的在线算法，使缓存的位置和视频调度决策后，每个新的请求的到来。大量的仿真结果表明，所提出的策略在缓存命中率增加，回程流量和初始访问延迟减少方面比传统的方法有显着的性能改善。
2016-12-08 cs.NI
Maximizing Clearance Rate by Penalizing Redundant Task Assignment in Mobile Crowdsensing Auctions
本研究关注的是基于拍卖的任务分配和管理的有效性集中，参与式的移动人群感知（MCS）系统。在拍卖期间，感测任务基于分别由参与者和平台提供的出价和激励与参与者匹配。最近的文献讨论了拍卖中的几个挑战，包括不真实的出价和恶意参与者。我们最近的工作开始解决另一个挑战，即在感测活动中清除率（CR）的最大化，即，完成感测任务的百分比。在这项研究中，我们提出了一个新的目标函数匹配的任务与参与者，以实现CR最大化，声誉感知拍卖。特别是，我们惩罚冗余的任务分配，其中一个任务被分配给多个参与者，这可能会消耗不必要的预算。我们观察到，某项任务的竞标者越少，它应该被分配的优先级就越高，才能完成。因此，我们引入了一个新的因素，在管理拍卖的任务冗余因素。通过广泛的模拟在不同条件下的感知活动，并给出了一个固定的预算，我们表明，惩罚冗余（给予更高的优先级，不受欢迎的任务）产生显着的CR增加约50%，在最近的文献中的最高清除率相比。
2019-05-30 cs.NI cs.SI
Joint Caching and Transmission in the Mobile Edge Network: A Multi-Agent Learning Approach
由于决策之间的深度耦合，联合缓存和传输优化问题具有挑战性。本文提出了一种迭代的分布式多智能体学习方法，共同优化缓存和传输。这种方法的目标是最小化所有用户的总传输延迟。在这种迭代方法中，每次迭代包括缓存优化和传输优化。开发了一种基于多智能体强化学习（MARL）的缓存网络来缓存流行的任务，例如回答从缓存中驱逐哪些文件以及存储哪些文件。传输网络根据缓存网络的缓存文件，采用多智能体贝叶斯学习自动机（MABLA）方法，通过单次传输（ST）或联合传输（JT）的方式为用户传输缓存文件。然后用户以最小的传输延迟访问边缘服务器。实验结果表明，所提出的多智能体学习方法的性能。
2022-09-09 cs.MA cs.NI
Mobile Adhoc Offloading
这个问题是一系列的投标和拍卖。由于网络拓扑结构的变化、发送方预算的变化以及其他节点策略的可能演变，每一轮投标和拍卖都与前一轮不同。中继节点巨大的策略空间使得博弈的公式化非常困难。我们提出了一个简短的定性分析，在本文中，并提出了一个基于学习算法的投标策略。
2014-01-18 cs.NI
Information-Centric Wireless Networks with Virtualization and D2D Communications
无线网络虚拟化和以信息为中心的网络（ICN）是下一代无线网络的两个有前途的技术。虽然已经有一些优秀的工作集中在这两个技术，设备到设备（D2D）通信还没有被研究在以信息为中心的虚拟蜂窝网络。同时，移动设备中的内容缓存由于在D2D辅助的蜂窝网络中节省的回程消耗或减少的传输延迟而引起了极大的关注。然而，当涉及到多运营商场景时，经由D2D通信在不同运营商之间进行直接内容共享通常是不可行的。在这篇文章中，我们提出了一种新的以信息为中心的虚拟化蜂窝网络框架与D2D通信，使不仅在空中的内容缓存，但也运营商之间的移动设备之间的内容共享。此外，我们描述了建议的框架中的关键组件，并提出了它们之间的相互作用。此外，我们纳入并制定内容缓存策略的资源分配优化，最大限度地提高移动虚拟网络运营商（MVNOs）的总效用，通过缓存流行的内容在移动设备。仿真结果表明，所提出的框架和方案的有效性与不同的系统参数。
2016-12-23 cs.NI
A Novel Adaptive Caching Mechanism for Video on Demand System over Wireless Mobile Network
无线移动网络视频点播系统是一种向移动用户提供视频服务的系统，其主要问题是用户在观看自己喜欢的电影时需要等待很长时间才能获得视频服务。如何降低视频点播系统中的延迟时间是本文研究的重点。本文提出了一种新的缓存机制--代理服务器缓存机制，该缓存机制能够有效地降低视频点播系统中的延迟时间，从而提高视频点播系统的性能解决服务延迟的问题。当客户端从当前广播频道错过与第一段相关的广播阶段时，会发生这种延迟。当客户端从当前广播频道错过与第一段相关的广播阶段时，发生该延迟。延迟的客户端将直接从代理服务器获取第一段，而不是等待属于第一段的后续广播频道。所提出的方案，确保从移动客户端到达时，他们获得的第一段。此外，所提出的方案的性能进行了验证，通过应用VOD系统，这可以涉及到平衡机制，以保持特定的请求通过本地代理服务器，以提供一个公平的传播这些请求。所得到的结果证实，所提出的方案减少了系统的时间延迟与现有的最佳方案相比。当每分钟有10个客户端到达时（客户端/分钟），代理缓存方案中的平均时间延迟的结果为179.2505毫秒，当视频长度为30、60和90时，平均时间延迟为140毫秒。同时，当到达请求的数量被设置为2、4、6、8和10时，用于获得视频的第一片段的失败概率保持为零。
2018-12-03 cs.NI
Cooperative Caching based on File Popularity Ranking in Delay Tolerant Networks
移动设备不断增加的存储容量和WiFi/蓝牙功能使其成为机会性内容共享的良好平台。在这项工作中，我们提出了一个网络模型来研究这一设置有两个特点：1。延迟容忍; 2.缺乏基础设施。移动用户生成请求，并通过蓝牙或WiFi从他们遇到的其他用户那里伺机下载。不同Web内容的受欢迎程度的差异导致非均匀的请求分布，其通常是齐普夫定律分布。我们评估不同的缓存方案的性能，并得出最佳方案，使用凸优化技术。最佳解决方案是有效地使用二分搜索方法。结果表明，随着网络移动性的增加，最优方案的性能远远超过传统的缓存方案。据我们所知，我们的工作是第一个考虑流行性排名的性能评估。
2014-09-24 cs.NI
A Mobility-Aware Vehicular Caching Scheme in Content Centric Networks: Model and Optimization
边缘缓存技术是一种通过将计算功能与蜂窝基站分离来减轻蜂窝网络负担的有前途的技术。然而，现有的缓存方案的服务能力受到固定的边缘基础设施，当面对用户的请求和位置的不确定性。利用移动车辆作为缓存载体的车载缓存被认为是解决上述问题的有效方法。本文研究了车辆缓存方案在内容为中心的网络中的有效性，通过开发优化模型，对网络能耗最小化。特别是，我们的缓存车辆和移动用户之间的相互作用建模为2-D马尔可夫过程，以表征移动用户的网络可用性。基于该模型，我们提出了一种在线车辆缓存设计，通过优化网络能源效率。具体来说，缓存决策问题首先制定为分数优化模型，朝着最佳的能源效率。利用非线性分式规划技术和李雅普诺夫优化理论，我们得到了优化模型的理论解。在此基础上，提出了一种实现最优车载缓存的在线缓存算法。最后，进行了大量的模拟，以检查我们的建议的性能。通过比较，我们的在线缓存方案优于现有的计划在能源效率，命中率，缓存利用率和系统增益。
2019-02-19 cs.NI
Serving Long-Context LLMs at the Mobile Edge: Test-Time Reinforcement Learning-based Model Caching and Inference Offloading
针对移动边缘长上下文LLM服务难题，提出基于测试时深度强化学习的模型缓存与推理卸载框架及双重荷兰拍卖机制，实现成本降低至少30%。
2025-01-24 cs.NI
Mobile Data Transactions in Device-to-Device Communication Networks: Pricing and Auction
设备到设备（D2D）通信为智能电话用户提供了在不与蜂窝网络通信的情况下彼此共享文件的选择。本文从经济学的角度讨论了D2D数据交易模型中两个角色的行为：希望购买一定数量数据的数据购买者，以及希望通过D2D网络出售数据的数据销售者。运用博弈论的方法分析和推导了最优价格和采购策略。
2020-08-05 cs.GT cs.NI
Soft Cache Hits and the Impact of Alternative Content Recommendations on Mobile Edge Caching
在未来移动网络的边缘缓存流行内容已被广泛考虑，以减轻数据海啸对接入和回程网络的影响。已经提出了许多有趣的技术，包括毫微微缓存和“延迟”或机会主义缓存访问。然而，与互联网内容目录的巨大且快速增加的大小相比，这些方法中的大多数遭受边缘高速缓存的相当有限的存储容量。我们建议离开硬缓存未命中的假设，在大多数现有的作品中常见，并考虑“软”缓存未命中，如果原始内容不可用，可以推荐本地缓存的替代内容。鉴于互联网内容消费越来越以娱乐为导向，我们认为，相关的内容往往可以导致完全或至少部分用户满意，而无需通过昂贵的链接检索原始内容。在本文中，我们制定了最佳的边缘缓存与软缓存命中的问题，在延迟访问的背景下，并分析了预期的收益。然后，我们使用合成和真实的数据集相关的视频内容，有前途的缓存增益可以在实践中实现。
2016-09-30 cs.NI cs.PF
Cache Discovery Over a Multihop Wireless Ad Hoc Network
多跳自组织无线网络由移动节点组成，这些移动节点在没有任何固定基础设施的情况下相互通信。这些网络中的节点是功率受限的，因为它们在有限的电池能量下操作。在移动自组织网络中，协作缓存是一种减少网络流量和带宽需求的有吸引力的方案。在移动节点中部署缓存可以大大减少整体流量。缓存命中消除了频繁联系数据源的需要，从而避免了额外的网络开销。在本文中，我们提出了一个缓存发现策略的合作缓存，这减少了功耗，缓存开销和延迟。这是通过功率控制和传输范围调整来实现的。为此，开发了基于相邻节点位置坐标的缓存发现过程。仿真结果给出了一个有前途的结果的基础上的研究指标。
2014-06-20 cs.NI
COUSTIC: Combinatorial Double auction for Task Assignment in Device-to-Device Clouds
随着物联网（IOT）的新兴技术，移动设备的能力已经极大地增加。然而，在大数据时代，在一台设备上完成任务仍然具有挑战性。众包技术作为一种新兴技术，利用大量的设备来完成大规模的传感任务，已经得到越来越多的研究关注。大多数现有的作品要么假设设备愿意合作，利用集中式机制或设计激励算法，使用双重拍卖。这对于处理前者缺乏集中式控制器的情况是不实际的，并且不适用于后者卖方设备也是资源受限的情况。在本文中，我们提出了一个真实的激励机制与组合双拍卖的设备到设备（D2D）云中的人群感知任务分配，其中一个移动终端密集的传感任务可以雇用一组空闲的邻居设备。通过这种新的机制，时间关键的传感任务可以及时处理与分布式的性质。我们证明了所提出的机制是真实的，个人理性，预算平衡和计算效率。仿真结果表明，组合双向拍卖机制比现有的双向拍卖机制和集中式最大匹配算法分别获得了26.3%和15.8%的收益。
2018-10-25 cs.NI
Caching as a Service: Small-cell Caching Mechanism Design for Service Providers
无线网络虚拟化已经被公认为通过解耦系统的功能并实现基础设施和频谱即服务来提高无线网络的灵活性的方式。最近的研究表明，缓存提供了一个更好的性能，以满足移动用户的内容请求。在本文中，我们提出了移动网络中的\emph{caching can be applied as a service}，即，不同的服务提供商（SP）将它们的内容缓存在由移动网络运营商（MNO）拥有的无线设施的存储器中。具体而言，我们专注于\emph{small-cell networks}的场景，其中启用缓存的小小区基站（SBS）是缓存内容的设施。针对多个服务提供商之间的存储竞争问题，设计了一种基于多目标拍卖的存储竞争机制，该机制充分考虑了系统参数的时变性和内容替换的频繁性。仿真结果表明，我们的解决方案导致一个令人满意的结果。
2016-07-17 cs.GT cs.NI
Mobile Offloading in Wireless Ad Hoc Networks
本文介绍了一种策略，设计，实施，并在{ \it移动Ad Hoc网络互操作性和合作（MANIAC）挑战2013}。2013年MANIAC挑战赛的主题是“移动数据卸载”，包括开发和比较评估通过使用手持设备（例如，平板电脑和智能手机）。根据挑战规则，逐跳投标竞赛（或"拍卖“）应当决定每个数据分组朝向其目的地的路径。因此，每个团队都应该依赖于其他团队为他们转发数据包的意愿，以便让他们的流量通过网络。在这种应用场景中，客户加入ad hoc网络的动机是每月费用的折扣，而运营商应该从降低的基础设施成本中受益。遵循MANIAC Challenge 2013的规则，本文提出了一种策略，该策略基于节点在给定的截止日期内成功将数据包发送到目的地的“紧”程度的概念。这种“紧密性”的想法依赖于对底层网络图的最短路径分析，它被用来定义三个子策略，这些子策略指定a）如何参与拍卖; b）如何宣布拍卖;以及c）如何决定谁赢得宣布的拍卖。所提出的策略旨在最大限度地减少网络资源的利用，并促进参与节点之间的合作行为。
2014-01-07 cs.NI
Big Data Caching for Networking: Moving from Cloud to Edge
为了应对$5G$无线网络中无情的数据海啸，当前的方法（例如获取新频谱、部署更多基站（BS）和增加移动分组核心网络中的节点）在可扩展性、成本和灵活性方面变得无效。在这方面，具有边缘/云计算和利用\emph{big data}分析的上下文感知$5$ G网络可以为移动运营商带来显著收益。在这篇文章中，主动内容缓存在$5$ G无线网络进行了研究，其中提出了一个大数据使能架构。在该实用架构中，利用大量数据进行内容流行度估计，并且在BS处缓存战略内容以实现更高的用户满意度和回程卸载。为了验证所提出的解决方案，我们考虑了一个真实的案例研究，其中从土耳其的一家主要电信运营商收集了几个小时的移动数据流量，并利用机器学习工具进行了大数据分析。基于可用信息和存储容量，数值研究表明，在用户满意度和回程卸载方面都实现了几个增益。例如，在具有内容评级的$30\%$和存储大小的$13$ G字节（总库大小的$78\%$）的$16$ BS的情况下，主动式高速缓存产生用户满意度的$100\%$并卸载回程的$98\%$。
2016-06-05 cs.NI
Profitable Task Allocation in Mobile Cloud Computing
我们提出了一个游戏理论框架的任务分配在移动云计算，对应的计算任务卸载到一组附近的移动设备。具体来说，在我们的框架中，一个分销商节点举行了一个多维拍卖分配附近的移动节点之间的计算能力和计算成本的基础上，在这些节点的工作的任务，以减少整体作业完成时间的目标。我们提出的拍卖还具有所需的激励兼容性属性，确保移动设备真实地显示其功能和成本，并且这些设备从任务分配中受益。为了处理节点的移动性，我们在自适应的时间间隔进行多个拍卖。我们开发了一种启发式的方法，动态地找到最佳的拍卖之间的时间间隔，以尽量减少不必要的拍卖和随之而来的开销。我们评估我们的框架和方法使用现实世界和合成的流动性痕迹。我们的评估结果表明，我们的博弈论框架提高了作业完成时间的2-5倍，在本地执行作业所需的时间相比，同时最大限度地减少拍卖的数量和随之而来的开销。我们的方法也是有利可图的附近的节点，执行分销商的任务，这些节点收到的补偿高于他们的实际成本。
2016-08-30 cs.DC cs.GT cs.NI
Offloading Content with Self-organizing Mobile Fogs
城市环境中的移动用户从不同位置访问互联网上的内容。对于当前的服务提供商来说，应对来自大量并置移动用户的不断增长的内容需求是具有挑战性的。网络内缓存在更接近用户的节点上卸载内容缓解了这个问题，尽管需要有效的缓存管理来找出谁应该在城市环境中缓存什么，何时何地，给定节点有限的计算，通信和缓存资源。为了解决这个问题，我们首先定义了一个新的内容流行度和网络中的可用性之间的关系，并调查一个节点的资格缓存内容的基础上，其城市的可达性。然后，我们允许节点自组织成移动雾，以增加分布式缓存，并以具有成本效益的方式最大限度地提高内容的可用性。然而，为了迎合理性的节点，我们提出了一个联盟游戏的节点提供一个最大的“虚拟缓存”假设货币奖励支付给他们的服务/内容提供方。节点被允许合并到不同的时空联盟，以增加在网络边缘的分布式缓存大小。通过模拟使用现实的城市流动性跟踪得到的结果验证我们的缓存系统的性能，显示缓存命中率为60-85%相比，现有的计划和10%的情况下，没有联盟的30-40%。
2017-07-19 cs.NI
Competitive Caching of Contents in 5G Edge Cloud Networks
移动数据流量的激增迫使网络运营商应对容量短缺。在5G网络中部署小型小区意味着减少延迟，回程流量并增加无线电接入容量。在这种情况下，移动边缘计算技术将用于管理无线电接入网络中的专用缓存空间。因此，移动网络运营商将能够为OTT内容提供方提供新的缓存服务，以提高其客户在移动中的体验质量。进而，移动边缘网络中的高速缓存存储器将变成共享资源。因此，我们研究了一个竞争性的缓存方案，内容存储在给定的价格由移动网络运营商。首先，我们制定了一个资源分配问题的标记内容提供方寻求最大限度地减少预期的错过缓存率。最优缓存策略是根据内容的流行度和可用性、小小区的空间分布以及竞争内容提供方的缓存策略而得出的。它表明，诱导一个特定的顺序的内容被缓存的基础上，他们的流行程度和可用性。接下来，我们研究了内容提供方之间的博弈，其形式为具有有界策略集和异构玩家的广义Kelly机制。证明了纳什均衡的存在唯一性。最后，大量的数值结果验证和表征模型的性能。
2016-12-05 cs.GT cs.NI
Cooperative Edge Caching in User-Centric Clustered Mobile Networks
通过将文件主动存储在基站（BS），移动边缘缓存可以实现直接内容交付，而无需远程文件获取，这可以减少端到端延迟，同时减轻回程压力。为了在实践中有效地利用有限的缓存大小，可以利用合作缓存来利用缓存的多样性，通过允许用户在新兴的以用户为中心的网络架构下由多个基站服务。本文探讨了延迟最优的合作边缘缓存在大规模的以用户为中心的移动网络，其中的内容放置和集群大小的基础上优化的随机信息的网络拓扑结构，流量分布，信道质量，和文件的流行度。具体地，提出了一种基于最优带宽分配的贪婪内容放置算法，该算法能够以线性计算复杂性实现（1-1/e）最优性。此外，还研究了以用户为中心的最优簇大小，并给出了一个约束最大簇大小的条件，该条件反映了缓存分集和频谱效率之间的权衡。进行了大量的模拟分析验证和性能评估。数值结果表明，所提出的贪婪内容放置算法可以减少平均文件传输延迟高达50%的非合作和命中率最大计划相比。在此基础上，考虑不同系统参数的影响，讨论了最优聚类问题.
2017-10-24 cs.IT cs.NI math.IT
Digital Twin-Enabled Mobility-Aware Cooperative Caching in Vehicular Edge Computing
Guangxi Normal University（广西师范大学）；Key Laboratory of Education Blockchain and Intelligent Technology, Ministry of Education（教育部教育区块链与智能技术重点实验室）；Guangxi Key Laboratory of Brain-inspired Computing and Intelligent Chips（广西脑启发计算与智能芯片重点实验室）；Guangxi Key Laboratory of Multi-Source Information Mining and Security（广西多源信息挖掘与安全重点实验室）；University Engineering Research Center of Educational Intelligent Technology（教育智能技术大学工程研究中心）；School of Computer Science and Engineering（计算机科学与工程学院）；PCA Lab（PCA实验室）；Key Lab of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education（教育部高维信息智能感知与系统重点实验室）
本文提出DAPR框架，通过数字孪生和深度强化学习优化车联网边缘缓存，提升缓存命中率和减少传输延迟。
2026-02-28 cs.NI
An Incentive Mechanism for Federated Learning in Wireless Cellular network: An Auction Approach
Kyung Hee University（庆熙大学）；The University of Sydney（悉尼大学）；University of Houston（休斯顿大学）
联邦学习（Federated Learning，FL）是一种分布式学习框架，它能够解决机器学习中的分布式问题，同时又能保证较高的学习性能。然而，这是不切实际的，所有用户将牺牲他们的资源加入FL算法。这促使我们研究FL的激励机制设计。在本文中，我们考虑一个FL系统，涉及一个基站（BS）和多个移动用户。移动用户使用自己的数据来训练本地机器学习模型，然后将训练好的模型发送到BS，BS生成初始模型，收集本地模型并构造全局模型。然后，我们将基站和移动用户之间的激励机制构建为一个拍卖博弈，其中基站是拍卖师，移动用户是卖家。在建议的游戏中，每个移动用户提交其出价根据最小的能源成本，移动用户的经验，在参与FL.为了决定在拍卖中的赢家，最大化社会福利，我们提出了原始-对偶贪婪拍卖机制。该机制可以保证三个经济属性，即真实性，个人理性和效率。最后，数值结果表明，我们所提出的机制的性能有效性。
2020-09-22 cs.GT cs.LG cs.NI
Cache-Aware QoE-Traffic Optimization in Mobile Edge Assisted Adaptive Video Streaming
多接入边缘计算（MEC）能够将视频内容放置在网络边缘，旨在提高移动客户端的体验质量（QoE）。边缘服务器处的视频内容缓存还减少了移动网络回程中的流量，从而降低了移动网络运营商（MNO）的运营成本。然而，最小化高速缓存未命中率和最大化平均视频质量有时可能彼此矛盾，特别是当高速缓存大小受到约束时。我们在这篇文章中的目标是两个方面：首先，我们探索固定视频内容缓存对移动客户端的最佳QoE的影响，在移动网络边缘的服务器处理比特率选择的设置。其次，我们要研究缓存替换对QoE流量权衡的影响。针对联合最大化QoE、公平性以及最小化源视频服务器上的总数据流量的问题，制定了整数非线性规划（INLP）优化模型。由于其NP-困难性，我们然后提出了一个低复杂度的贪婪算法，最小需要的参数调整，可以很容易地部署。我们通过模拟表明，联合优化确实能够实现流量减少和QoE之间的理想权衡。结果还表明，在固定缓存内容的情况下，缓存对QoE的影响与MNO的期望操作点成比例。此外，当缓存大小受到约束时，缓存替换对QoE的影响与其对回程流量的影响相比不太明显。
2018-05-19 cs.NI
When Data Sponsoring Meets Edge Caching: A Game-Theoretic Analysis
数据赞助是当今蜂窝网络中广泛使用的激励方法，其中视频内容提供方（CP）为移动用户支付部分或全部蜂窝数据成本，以吸引更多的视频用户并增加数据流量。在即将到来的5G蜂窝网络中，边缘缓存正在成为一种有前途的技术，可以以更低的成本和更高的质量提供视频。关键思想是在边缘网络上缓存视频内容（例如，毫微微蜂窝和WiFi接入点），并将缓存的内容直接传递给本地视频用户（不涉及用户的蜂窝数据成本）。在这项工作中，我们的目标是研究边缘缓存将如何影响CP的数据赞助策略，以及用户的行为和数据市场。具体来说，我们认为一个单一的CP谁提供的边缘缓存服务和数据赞助服务的一组异构移动视频用户（具有不同的移动性和视频请求模式）。我们制定的CP和用户的互动作为一个两阶段的Stackelberg游戏，其中CP（领导者）确定的预算（努力）为两个服务在第一阶段，和用户（追随者）决定是否和哪些服务（S），他们想订阅。我们系统地分析了该博弈的子博弈完美均衡。我们的分析和实验结果表明，通过引入边缘缓存，CP可以增加他的收入的105%。
2017-09-01 cs.NI
Energy-Efficient Proactive Caching with Multipath Routing
针对移动网络缓存与能效结合不足的问题，提出支持多路径路由的节能缓存方案，通过ILP建模与贪心模拟退火算法，在资源受限下能耗降低达80%。
2022-01-13 cs.NI
A Survey on Reinforcement Learning-Aided Caching in Mobile Edge Networks
IRIDA Research Centre for Communication Technologies（IRIDA通信技术研究中心）；University of Cyprus（塞浦路斯大学）；Ionian University（爱奥尼亚大学）；Aalto University（阿尔托大学）；Rutgers University（罗格斯大学）
移动网络正在经历数据量和用户密度的巨大增长。缓解这个问题的一种有效技术是通过利用边缘网络节点（例如固定或移动接入点甚至用户设备）的缓存来使数据更接近用户。与此同时，机器学习和无线网络的融合为网络优化提供了一种可行的方法，而传统的优化方法会导致高复杂度，或者无法提供最佳解决方案。在各种机器学习类别中，强化学习以在线和自主的方式运行，而不依赖于大量的历史数据进行训练。在这项调查中，强化学习辅助移动边缘缓存，旨在突出实现网络增益超过传统的缓存方法。考虑到第六代（6G）网络在各种无线环境中的异构性，如固定，车载和飞行网络，学习辅助边缘缓存，离开传统的架构。此外，提供了根据期望的性能度量（诸如频谱、能量和高速缓存效率、平均延迟以及回程和前传卸载）的分类。最后，几个开放的问题进行了讨论，旨在激发进一步的兴趣，这一重要的研究领域。
2021-05-14 cs.IT cs.LG cs.NI
