人工智能辅助的小小区网络协同边缘缓存

边缘缓存是过去几年中被利用的一种新范式，旨在降低核心网络负载并提升内容分发性能。由于异构缓存模型伴随的巨大复杂性，许多现有缓存方案仅考虑同构缓存放置。与这些传统建模范式不同，本文考虑了用户在边缘节点处具有异构缓存模型下的异构内容偏好。此外，为最大化两层异构网络中的缓存命中率（CHR），我们让边缘节点进行协作。然而，由于复杂的组合决策变量，所构建的问题难以在多项式时间内求解。而且，甚至不存在现成的工具或软件来解决该问题。我们提出了一种改进的粒子群优化（M-PSO）算法，能在合理时间内高效求解该复杂约束问题。通过数值分析与仿真，我们验证了所提算法相较于现有基线缓存方案显著提升了CHR性能。