伴隨著移動通信技術的高速發(fā)展,移動互聯(lián)網(wǎng)中多媒體服務以及數(shù)據(jù)業(yè)務流量急劇升高。爆發(fā)式增長的海量移動網(wǎng)絡流量給第五代移動通信系統(tǒng)(5G)帶來了極大的挑戰(zhàn)。通過對流量爆炸式增長問題的研究發(fā)現(xiàn),移動網(wǎng)絡流量主要部分來自于從遠端服務器重復下載一些流行度較高的內容。因此,將內容事先緩存在離終端用戶較近處是解決移動網(wǎng)絡中流量指數(shù)式增長的有效方式。通過采用內容緩存和有效傳輸策略,流行的內容被緩存在中間或地方服務器,需要相同內容的用戶可以直接被本地緩存滿足,而不需要重復地從遠端服務器下載,從而消除冗余的網(wǎng)絡流量。盡管內容分發(fā)技術在傳統(tǒng)有線網(wǎng)中已經(jīng)得到了較深入的研究和廣泛應用,但是無線移動網(wǎng)絡與有線網(wǎng)絡在架構上有很大差別,并且無線移動網(wǎng)絡中的網(wǎng)絡資源受限,例如無線鏈路容量,移動回程網(wǎng)路和緩存空間等都受到一定限制,因此傳統(tǒng)的內容分發(fā)網(wǎng)絡技術并不能簡單地應用到無線移動網(wǎng)絡中。而且,由于內容的動態(tài)變化、用戶的移動性以及單個蜂窩內有限的用戶數(shù),使得移動無線網(wǎng)絡中緩存內容的緩存命中率低。另外,內容提供商所提供的內容量不斷迅速增長,即使緩存的花銷越來越便宜,也不可能緩存所有的內容。因此,設計有效的內容緩存和傳輸機制...

【文章頁數(shù)】：123 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
        1.1.1 5G系統(tǒng)的數(shù)據(jù)業(yè)務特點
        1.1.2 異構蜂窩網(wǎng)絡架構
        1.1.3 移動邊緣計算架構
    1.2 研究現(xiàn)狀
        1.2.1 傳統(tǒng)有線網(wǎng)絡中的內容緩存及分發(fā)
        1.2.2 移動通信網(wǎng)絡中的內容緩存及分發(fā)
        1.2.3 機器學習算法在內容分發(fā)網(wǎng)絡的應用
    1.3 研究動機及意義
    1.4 主要研究內容及創(chuàng)新點
    1.5 論文結構及章節(jié)安排
第二章 異構蜂窩網(wǎng)絡下的最優(yōu)協(xié)作內容緩存及傳輸機制
    2.1 引言
    2.2 系統(tǒng)模型
    2.3 最優(yōu)協(xié)作內容緩存
        2.3.1 問題定義
        2.3.2 最優(yōu)的協(xié)作內容緩存機制
    2.4 最優(yōu)協(xié)作內容傳輸
        2.4.1 問題定義
        2.4.2 最優(yōu)的協(xié)作內容傳輸機制
    2.5 仿真結果
        2.5.1 場景設置
        2.5.2 性能分析
    2.6 本章小結
第三章 支持D2D通信的異構網(wǎng)絡中基于多智體強化學習的內容緩存策略
    3.1 引言
    3.2 系統(tǒng)模型
    3.3 問題定義
        3.3.1 多智體的多臂機問題描述
        3.3.2 D2D通信網(wǎng)絡中的內容緩存問題定義
    3.4 基于多智體強化學習的D2D緩存策略
        3.4.1 基于獨立學習者的D2D緩存算法
        3.4.2 基于聯(lián)合動作學習者的D2D緩存算法
        3.4.3 算法性能分析
    3.5 仿真結果
        3.5.1 場景設置
        3.5.2 性能分析
    3.6 本章小結
第四章 移動邊緣計算架構下基于學習預測的協(xié)作緩存機制
    4.1 引言
    4.2 系統(tǒng)模型
    4.3 問題定義
    4.4 基于學習預測的協(xié)作內容緩存機制
    4.5 實驗結果
        4.5.1 實驗數(shù)據(jù)描述
        4.5.2 性能分析
    4.6 本章小結
第五章 移動邊緣云架構下基于Actor-Critic算法的動態(tài)緩存機制
    5.1 引言
    5.2 系統(tǒng)模型
    5.3 動態(tài)緩存問題的MDP建模
    5.4 基于AC的動態(tài)緩存算法
    5.5 仿真結果
        5.5.1 場景設置
        5.5.2 性能分析
    5.6 本章小結
第六章 總結與展望
    6.1 本文總結
    6.2 下一步工作展望
致謝
參考文獻
攻讀博士學位期間取得的研究成果



本文編號：3963174