基于学习的小型基站缓存内容优化
信息论
2014-02-24 v2 math.IT
摘要
本研究探讨了回程容量受限的无线小型基站 (sBS) 中的最优缓存内容放置问题。该 sBS 拥有大容量缓存存储器，并通过向其覆盖区域内的用户交付高数据速率内容来提供内容级选择性分流。sBS 内容控制器 (CC) 的目标是将最热门的内容存储在 sBS 缓存存储器中，以便在流量高峰期能够直接从 sBS 获取最大量的数据，而不依赖有限的回程资源。若预先已知流行度分布，该问题可简化为背包问题。然而，本工作假设 CC 未知文件的流行度分布，仅能观测缓存内容的瞬时需求。因此，缓存内容放置是基于需求历史进行优化的。通过定期刷新缓存内容，CC 试图学习流行度分布，同时尽可能最佳地利用有限的缓存容量。针对此缓存内容放置问题研究了三种算法，它们导致了不同的利用 - 探索权衡。我们提供了广泛的数值模拟，以研究这些算法的时间演化，以及系统参数（如文件数量、用户数量、缓存大小和流行度分布的偏度）对性能的影响。结果表明，所提出的算法能够在广泛的系统参数范围内快速学习流行度分布。
引用
@article{arxiv.1402.3247,
title = {Learning-Based Optimization of Cache Content in a Small Cell Base Station},
author = {Pol Blasco and Deniz Gunduz},
journal= {arXiv preprint arXiv:1402.3247},
year = {2014}
}
备注
Accepted to IEEE ICC 2014, Sydney, Australia. Minor typos corrected. Algorithm MCUCB corrected