[发明专利]一种基于线性加权原则的多目标主动缓存的在线学习方法

说明书

该发明公开了一种基于线性加权原则的多目标主动缓存的在线学习方法，该方法属于移动通信领域，主要涉及移动通信中基站在无线网络闲暇时从内容提供商处提前缓存附近用户所需求内容并同时考虑了内容提供商收益的方法。本方法简单、算法复杂度为对数函数级别。其次，在优先考虑了无线缓存的核心目标的同时，即在有限时间内，最大化卸载回程链路中的累计流量，还考虑了内容提供商的收益，即具体表现在文件价值的重要性上。本方法兼顾多个目标，能较好符合无线通信收发双方的需求。

技术领域

本发明属于移动通信领域，主要涉及移动通信中基站在无线网络闲暇时从内容提供商处提前缓存附近用户所需求内容并同时考虑了内容提供商收益的方法。该方法具体为一种基于线性加权原则的多目标主动缓存的在线学习方法。

背景技术

近年来，随着带有多媒体功能的移动设备(如智能手机，平板电脑等)逐渐普及，新型的无线服务应用也大量涌现，如微信，视频，淘宝，微博等。这使得无线移动通信的功能由最初的通话渗透到了娱乐，办公，社交领域等方方面面。与此同时，这也促使了在无线网络中数据流量的急速增长。

移动数据流量的爆发式增长对现有的蜂窝网络基础设施是个巨大的负担，特别是在通信的高峰期，容易出现延迟、中断等状况，导致用户体验变差。同时，根据最新的2018年思科移动流量趋势表明，在未来移动数据流量中，移动视频流量比重将超过七成。因此，基于视频本身的特性以及硬盘存储的现实，有学者提出了一种名为无线缓存的解决方案，其基本思想是在无线接入点处配置大容量的存储器，利用非高峰时段(如夜间)将受欢迎的视频提前缓存到接入点处的存储器中。通过这样的方式，用户在请求视频文件时，若缓存中有请求文件，无线接入点可以直接将文件传输给用户，使流量本地化。这种处理方式不仅能够大大降低数据在回程链路及核心网络的延迟，而且也降低了高峰期时回程链路及核心网络的负载。同时，这也降低了回程链路容量的占用量，可以释放更多的网络资源来为其他业务服务，间接地提升了系统的吞吐量。

另外，文件内容属性也是一个不能忽略的因素，目前各大视频网站(比如，爱奇艺，腾讯视频，优酷等)版权费用逐年提升，内容提供商们会将优质、热门的影片采用分级的方式进行播出，比如用券、会员、收费等方式来赚取视频文件的费用，并且不同的视频的来源很可能不一样，这是由于版权决定的。以及各大移动网络运营商(移动、联通、电信)也与内容提供商们合作，采取定向流量包的方式吸引用户群，使之能培养用户的习惯，从而占据更高的流量入口。综上，这些都说明了不同视频文件的价值是不同的，而且文件价值的属性与用户、微基站、内容提供商的这三者的利益都息息相关。

文件流行度分布是一个重要因素指导这着本地基站缓存哪些文件。大多数研究工作假设流行度已知并且设计出的缓存策略都是基于这种假设。然而实际上，流行度是未知并且需要预测的。最近，有研究人员利用机器学习的方式去预测文件流行度，他们将无线缓存问题构建为一个多臂老虎机模型，并基于预测的结果来设计缓存策略。

这些研究工作仅仅考虑了如何最大化直接从微基站中获取流量，这是从用户、微基站的角度来考虑流量收益。然而，这不可避免地忽略了每个文件价值的差异性，而文件价值属性取决于文件的来源，即内容提供商。

发明内容

为了解决以上问题，本发明提出的方法具体为一种基于线性加权原则的多目标主动缓存的在线学习的方法。该方法在保证最大化卸载网络流量损失较小的情况下，同时考虑到不同文件价值差异的情况下，尽可能地最大化文件价值的累计收益。为了方便地描述本发明的内容，首先对本发明所使用的模型进行介绍，对本发明所使用的术语进行定义。