拓扑感知型共享缓存网络的基本极限

本研究考察了一种广为人知的共享缓存编码缓存场景，其中每个缓存可为任意数量的用户服务，并分析了在内容放置阶段已知此类用户数量（即拓扑）的情况。在正则放置以及可在不同缓存间优化的累积缓存容量假设下，我们通过提出一种新颖的缓存容量优化与放置方案以及一种新颖的信息论逆界，推导出了性能的基本极限。该逆界采用新的索引编码技术以规避传统的均匀性要求，从而精细刻画了问题的异质性，并为处理非对称设置提供了新途径。新的基本极限表明，异质拓扑实际上可以优于其同质对应情形——即每个缓存关联相等数量的用户。这些结果被扩展至拓扑不确定性的场景，其中感知/估计的拓扑与真实网络拓扑不匹配。该场景进一步被提升至随机设置，其中用户到缓存的关联是随机且未知的，并且表明所提方案对此类有噪声或不精确的拓扑知识具有鲁棒性。