Feb, 2019

内容中心网络中的移动感知车载缓存方案：建模与优化

PDF
TL;DR本研究通过开发优化模型研究车载缓存方案，在最小化网络能耗的同时，优化缓存决策和网络能效。通过 2-D Markov 过程和在线缓存算法，本研究提出的在线缓存方案在能耗效率、命中率、缓存利用率和系统收益方面都优于现有方案。
edge cachingvehicular cachingoptimization modelnetwork energy consumptionmobile users
发现论文，激发创造
  • 面向位置感知移动边缘缓存的内容流行度预测

    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

  • 车联网边缘计算与网络：一项调查

    本文综述了在智能交通系统中，利用移动边缘计算系统来解决车联网中的通信、计算和存储资源限制，提高响应速度和降低带宽消耗的研究现状和未来方向。

    Jul, 2019

  • 空中缓存：缓存启用无人机的主动部署以优化用户体验

    本文研究了使用搭载缓存设备的无人机进行主动部署以优化云无线接入网络中无线设备的体验质量问题。通过使用概念器基础回声状态网络（ESN）的机器学习框架，网络可以有效地预测用户的内容需求分布和移动模式，并可以在最大化用户体验质量和最小化无人机传输功率的同时找到最佳的用户 - 无人机关联、无人机的最佳位置以及需要在无人机上缓存的内容。

    Oct, 2016

  • 移动边缘缓存的安全与隐私：挑战与解决方案

    研究了移动边缘缓存技术下的安全隐私威胁问题，并提出了基于服务、基于位置的高效密钥分配协议（SOLEK）作为在移动边缘缓存下实现安全、高效内容交付的样例。

    Dec, 2020

  • 移动虚拟现实通信、缓存和计算：建模和权衡

    该研究提出了一种基于移动边缘计算的移动 VR 传递框架，可以在移动 VR 设备上缓存一部分视野范围并运行某些后期处理程序，从而通过优化资源分配来减小所需传输速率的平均值，以满足给定的延迟约束。

    Jun, 2018

  • 高度移动连接车辆的资源受限车联网边缘联邦学习

    本文提出了一种汽车边缘联合学习（VEFL）方案，其中边缘服务器利用高移动性的连接车辆（CV）的机载中央处理单元（CPU）和本地数据集来训练全局模型，并通过关于 CV 的训练模型成功接收的收敛分析来选择参数优化子问题。

    Oct, 2022

  • 基于深度强化学习的边缘资源任务分配和扩展在车载网络服务中的应用

    本论文提出一种去中心化的方法，解决了服务任务分配和边缘资源扩展的紧密耦合的问题。文章通过模拟实际的 C-V2N 流量数据集，对该方法进行了基准测试，并将其性能与现有方法进行了比较，结果表明基于 DDPG 的解决方案优于现有解决方案，满足 C-V2N 服务的低延迟要求。

    May, 2023

  • 利用用户迁移进行无线内容传送

    该研究主要研究如何在具有移动性的小型网络中存储内容文件的编码版本，并提出了分布式逼近算法来解决该问题。在实验中，使用基于大偏差不等式的方法使得研究结论在实际应用中更加精准。

    May, 2014

  • 移动视频边缘内容缓存性能分析

    本文研究通过对中国一座大都市两周之内的两百万用户观看约 30 万个唯一视频的真实数据集进行分析，提出了基于移动视频请求模式和边缘内容缓存影响的缓存策略，并且使用实验数据对其进行了验证。

    Feb, 2017

  • 移动边缘计算系统中服务缓存放置和计算卸载的联合优化

    本文提出了一种混合整数非线性规划方法，以最小化计算延迟和移动用户的能量消耗，同时考虑服务缓存放置、计算卸载和系统资源分配，利用降低复杂度的交替最小化技术更新缓存放置和卸载决策。仿真表明，相比其他基准方法，所提出的技术实现了大量的资源节约。

    Jun, 2019