-
公开(公告)号：CN111432436B
公开(公告)日：2022-08-02
申请号：CN202010216304.7
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于服务缓存和基站激活的联合优化方法。建立基站激活、服务缓存和任务分配联合优化方法的总模型，通过基于逻辑的Benders分割思想分解为解决基站激活和任务分配的主问题和解决服务缓存的子问题两个子模型进行求解，忽略根据服务对应要求来分配任务的这一粒度，对总模型进行松弛与转化，采用贪婪算法对主问题模型就行求解，得到每个时隙基站的激活状态和任务的分配情况；根据解决主问题得到的解，在开着的基站之上通虑存储限制，根据用户任务分配的情况求出子问题模型中最优的服务缓存方法。通过迭代，最终得到同时满足主问题模型和子问题模型的解，而这个解，也正是基站激活和服务缓存的两盒优化方法的总模型的最优解。
-
公开(公告)号：CN111432436A
公开(公告)日：2020-07-17
申请号：CN202010216304.7
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于服务缓存和基站激活的联合优化方法。建立基站激活、服务缓存和任务分配联合优化方法的总模型，通过基于逻辑的Benders分割思想分解为解决基站激活和任务分配的主问题和解决服务缓存的子问题两个子模型进行求解，忽略根据服务对应要求来分配任务的这一粒度，对总模型进行松弛与转化，采用贪婪算法对主问题模型就行求解，得到每个时隙基站的激活状态和任务的分配情况；根据解决主问题得到的解，在开着的基站之上通虑存储限制，根据用户任务分配的情况求出子问题模型中最优的服务缓存方法。通过迭代，最终得到同时满足主问题模型和子问题模型的解，而这个解，也正是基站激活和服务缓存的两盒优化方法的总模型的最优解。
-
公开(公告)号：CN111432380B
公开(公告)日：2022-06-21
申请号：CN202010216321.0
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种面向D2D辅助数据卸载的缓存优化方法。通过链路质量计算出协助用户选择D2D模式进行通信的概率模型，将内容推送给具有更高的D2D通信概率的协助用户；通过Zipf分布得到用户偏好模型，缓存用户更感兴趣的内容在缓存空间个数有限的约束下，对协助用户的缓存方法进行优化以得到最大化整个系统的缓存命中概率的模型，并设计GREEDY‑I算法对模型进行求解。本发明根据协助用户模式选择确定协助用户进行D2D通信的概率，根据请求用户的偏好模型确定请求用户对每个内容感兴趣的概率，对协助用户的缓存方法进行优化，将邻居请求用户更感兴趣的内容缓存在具有更高的D2D通信概率的协助用户设备中，以此来最大化缓存命中概率，提高了系统的整体吞吐量。
-
公开(公告)号：CN111432380A
公开(公告)日：2020-07-17
申请号：CN202010216321.0
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种面向D2D辅助数据卸载的缓存优化方法。通过链路质量计算出协助用户选择D2D模式进行通信的概率模型，将内容推送给具有更高的D2D通信概率的协助用户；通过Zipf分布得到用户偏好模型，缓存用户更感兴趣的内容在缓存空间个数有限的约束下，对协助用户的缓存方法进行优化以得到最大化整个系统的缓存命中概率的模型，并设计GREEDY-I算法对模型进行求解。本发明根据协助用户模式选择确定协助用户进行D2D通信的概率，根据请求用户的偏好模型确定请求用户对每个内容感兴趣的概率，对协助用户的缓存方法进行优化，将邻居请求用户更感兴趣的内容缓存在具有更高的D2D通信概率的协助用户设备中，以此来最大化缓存命中概率，提高了系统的整体吞吐量。
-
-
-
Search Results
4
records
(took 0.022 seconds)
