本文提出了一种基于位置定制的缓存方案,使用线性模型估计未来内容命中率,并以此为基础提出了求解最优缓存策略的不依赖于训练的在线算法,实现了自适应缓存决策并达到了与最优策略相当的命中率。
Sep, 2018
本文提出了一种上下文感知的预热缓存优化算法,通过定期观察连接用户的上下文信息来在线学习上下文特定的内容受欢迎程度,并更新缓存内容并随后观察缓存命中率,最终证明该算法以最大化缓存命中数为目标的最优缓存内容放置策略被证明是可行的。
Jun, 2016
本文研究在无线边缘 (即基站) 缓存内容以最小化无限时域内的成本问题,将问题建模为不安定老虎机问题,证明了应用 Whittle 指数策略最小化费用的指标性。
Oct, 2022
研究了无线小型基站中有限的回程容量中的最佳缓存内容放置,使用内容级选择性卸载并基于需求历史来优化缓存内容放置,并提供了三种算法进行研究。
Feb, 2014
本文介绍了一种利用局部缓存增益和全局缓存增益的编码缓存设计方法,并对其性能进行分析和比较。
Sep, 2012
本研究提出了一个基于强化学习和全局 / 本地 Markov 过程的缓存策略框架,用于预取受欢迎的文件,以便下一次请求时可以快速提供服务。
Jul, 2017
本研究旨在优化小型基站中的内容缓存策略,提出了一种基于聚类与强化学习的方案,并在模拟中证明其相对于随机缓存和未聚类学习方案,能够最小化 42% 和 27% 的服务延迟,并获得 280% 和 90% 的更高卸载收益。
Sep, 2014
该论文研究了基于异质用户喜好、活跃度和空间局部性的缓存策略优化框架,并提出了综合用户与内容请求行为的算法,结果表明该方法可提高网络性能和用户公平性。
Oct, 2017
本文研究了在移动通信下行数据中进行内容级别选择性卸载的问题,将流行的内容存储在无线信息站终端的高速缓存存储器中,直接从信息站下载存储的内容,以减少蜂窝网络的延迟和负载,并利用多臂赌博问题及切换成本等方式进行最优的缓存内容放置来学习流行度模型,以提高缓存效率。
Jul, 2014
本文研究了通过在基站采用主动缓存技术,以解决 5G 无线网络优化中的大数据问题。通过利用收集自土耳其电信运营商的用户移动通信数据进行内容受欢迎程度的估计,得出当存储容量为 15.4G,内容评价占 10%时,主动缓存实现 100%的请求满足率和 98%的后端负载卸载。
Feb, 2016