随着无线网络中视频流量的增长,内容分发网络和移动边缘计算技术被视为应对这一挑战的有效方案,其中缓存策略问题是研究的重要内容。面对不同的应用场景和需求,设计缓存策略时会考虑不同的优化目标。文中重点考虑了两个优化目标的公平...随着无线网络中视频流量的增长,内容分发网络和移动边缘计算技术被视为应对这一挑战的有效方案,其中缓存策略问题是研究的重要内容。面对不同的应用场景和需求,设计缓存策略时会考虑不同的优化目标。文中重点考虑了两个优化目标的公平性问题。对视频服务商而言,用户满意度(Quality of Experience,QoE)体现了服务的质量,而能量效率体现了成本效益和节能指标。在设计缓存策略时,由于无法明确哪个目标的优先级更高,因此需要对它们进行公平地优化。首先,对缓存策略问题的两个重要目标(QoE和能量效率)进行数学建模,并提出了公平性原则。然后,将这两个优化目标作为博弈对象,代入纳什议价博弈模型中。接着,提出了一种确保公平性的多回合议价算法,并证明了该算法的合理性和有效性。最后,仿真实验验证,该算法能够在优化缓存策略的QoE和能量效率的同时保证它们之间的公平性。展开更多
文摘随着无线网络中视频流量的增长,内容分发网络和移动边缘计算技术被视为应对这一挑战的有效方案,其中缓存策略问题是研究的重要内容。面对不同的应用场景和需求,设计缓存策略时会考虑不同的优化目标。文中重点考虑了两个优化目标的公平性问题。对视频服务商而言,用户满意度(Quality of Experience,QoE)体现了服务的质量,而能量效率体现了成本效益和节能指标。在设计缓存策略时,由于无法明确哪个目标的优先级更高,因此需要对它们进行公平地优化。首先,对缓存策略问题的两个重要目标(QoE和能量效率)进行数学建模,并提出了公平性原则。然后,将这两个优化目标作为博弈对象,代入纳什议价博弈模型中。接着,提出了一种确保公平性的多回合议价算法,并证明了该算法的合理性和有效性。最后,仿真实验验证,该算法能够在优化缓存策略的QoE和能量效率的同时保证它们之间的公平性。
