具有时变内容流行度的动态概率缓存设计

在本文中，我们针对瞬时内容流行度可能随时间变化但可预测时间窗内平均内容流行度的场景，设计了动态概率缓存。基于平均内容流行度，可求得最优内容缓存概率（例如通过求解优化问题），且现有文献结果可通过静态内容放置实现最优缓存概率。本工作的目标是设计动态概率缓存，使得：i）在时不变内容流行度下（依分布）收敛到最优内容缓存概率；ii）在时变内容流行度下适应时变的瞬时内容流行度。实现上述目标需要新颖的动态内容替换设计，因为静态缓存无法适应变化的流行度，而经典动态替换策略（如 LRU）不能收敛到目标缓存概率（因其未利用任何内容流行度信息）。我们将动态概率替换策略的设计建模为寻找马尔可夫链状态转移概率矩阵的问题，并提出一种生成与精炼转移概率矩阵的方法。我们提供了大量数值结果以验证所提设计的有效性。