典型文献
移动边缘计算中收益最大化的缓存协作策略
文献摘要：
移动边缘计算(MEC)通过将资源部署在用户的近邻区域,可以减少移动设备的能耗,降低用户获取服务的时延;然而,大多数有关缓存方面的研究忽略了用户所请求服务的地域差异特性.通过研究区域所请求内容的特点和内容的动态性特性,提出一种收益最大化的缓存协作策略.首先,考虑用户偏好的区域性特征,将基站分为若干协作域,使每一个区域内的基站服务偏好相同的用户;然后,根据自回归移动平均(ARIMA)模型和内容的相似度预测每个区域的内容的流行度;最后,将缓存协作问题转化为收益最大化问题,根据存放内容所获得的收益,使用贪心算法解决移动边缘环境中缓存的内容的放置和替换问题.仿真实验表明,与基于MEC分组的协作缓存算法(GHCC)相比,所提算法在缓存命中率方面提高了28％,且平均传输时延低于GHCC.可见,所提算法可以有效提高缓存命中率,减少平均传输时延.
文献关键词：
移动边缘计算;缓存协作;用户偏好;内容流行度;缓存命中率
中图分类号：
作者姓名：
王亚丽;陈家超;张俊娜
作者机构：
河南师范大学 计算机与信息工程学院,河南 新乡 453007;智慧商务与物联网技术河南省工程实验室(河南师范大学),河南 新乡 453007
文献出处：
引用格式：
[1]王亚丽;陈家超;张俊娜-.移动边缘计算中收益最大化的缓存协作策略)[J].计算机应用,2022(11):3479-3485
A类：
缓存协作,GHCC
B类：
移动边缘计算,收益最大化,协作策略,MEC,近邻,移动设备,请求,地域差异,用户偏好,区域性特征,基站,自回归,移动平均,ARIMA,协作问题,问题转化,存放,贪心算法,协作缓存,存算,缓存命中率,传输时延,内容流行度
AB值：
0.257569
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
