基于用户偏好学习的雾无线接入网边缘缓存
网络与互联网体系结构
2019-02-28 v2 信息论
math.IT
摘要
本文研究了雾无线接入网（F-RAN）中的边缘缓存问题。通过最大化整体缓存命中率，构建了边缘缓存优化问题以寻找最优策略。从区域用户的角度考虑了随时间与空间的内容流行度。我们提出了一种利用内容特征与用户偏好的在线内容流行度预测算法，以及一种使用在线梯度下降（OGD）方法和遵循（近端）正则化领导者（FTRL-Proximal）方法的离线用户偏好学习算法。我们所提出的边缘缓存策略不仅能够以低复杂度在线方式及时预测未来内容流行度，而且能够无时延地跟踪具有时空动态的内容流行度。此外，我们设计了两种基于学习的边缘缓存架构。并且，我们从理论上推导了所提边缘缓存策略的流行度预测误差上界、缓存命中率下界以及整体缓存命中率的遗憾界。仿真结果表明，所提策略的整体缓存命中率优于传统策略，并渐近逼近最优性能。
引用
@article{arxiv.1801.06449,
title = {User Preference Learning Based Edge Caching for Fog Radio Access Network},
author = {Yanxiang Jiang and Miaoli Ma and Mehdi Bennis and Fu-Chun Zheng and Xiaohu You},
journal= {arXiv preprint arXiv:1801.06449},
year = {2019}
}
备注
16 pages, 9 figures. This work has been accepted by IEEE Transactions on Communications