面向无速率编码传输的能量高效 Femto-Caching 的非平稳 Bandit 学习方法
信号处理
2020-05-18 v1 机器学习
系统与控制
系统与控制
机器学习
摘要
对媒体流不断增长的需求与有限回程容量的矛盾使得开发高效的文件交付方法成为当务之急。Femto-caching 是此类方法之一，尽管其潜力巨大，但也带来了诸如高效资源管理等若干挑战。我们研究了小蜂窝网络中联合缓存与传输的资源分配问题，其中系统在两个连续阶段运行： 缓存放置，以及 联合文件与发射功率选择并随后进行广播。我们以每单位传输功率的成功重建次数来定义每个小基站的效用。然后，我们将问题表述为在每个广播轮次中从缓存中选择一个文件并选择一个发射功率电平，以最大化该时间跨度内的累积效用。前一个问题归结为随机背包问题，我们将后者建模为多臂 Bandit 问题。我们针对每个问题分别提出了解决方案，并提供了理论与数值评估。与最先进的研究相比，所提出的方法特别适用于具有时变统计特性的网络。此外，即使在缺乏关于文件流行度和信道质量等随机参数统计特性的初始信息时，该方法也是适用的且运行良好。
引用
@article{arxiv.2005.04154,
title = {A Non-Stationary Bandit-Learning Approach to Energy-Efficient Femto-Caching with Rateless-Coded Transmission},
author = {Setareh Maghsudi and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:2005.04154},
year = {2020}
}