[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

摘要

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。

主权项

1.一种基于多目标多臂赌博机的在线学习无线缓存策略的方法，具体包括以下步骤：步骤1、设置当前标量化函数集S＝(h¹,h²,...,h^s)，时间周期T，其中且w^s₁+w^s＝₂1，h^s表示的是第s组函数权重值，分别表示卸载流量和文件收益的权重；步骤2、初始化阶段：缓存当前内容提供商的所有文件至少一次，观察反馈奖赏向量r_f^t，并且更新值和T_f,s值，其中，表示文件f在第s权重函数下的估计奖赏值，T_f,s代表的是文件f第s权重函数下被选中的次数；设置t←F+1，其中文件集合为F＝{f₁,f₂,...f_n}，其中上标1,2分别表示当前时刻下的文件f的期望请求数、文件的期望价值；步骤3、随机从当前标量化函数集S＝(h¹,h²,...,h^s)中选择一组权重函数h^j，计算得到步骤4、计算每个文件的置信上界区间值根据X_f,j(t)计算结果，按照降序方式排列不同文件的估计奖赏区间数值，然后选择前m个文件构成当前时刻的缓存文件集C_t＝{f₁^*,f₂^*,...,f_m^*}；步骤5、观察反馈奖赏向量r_f^t,每个目标的观察反馈奖赏值为r_f^t＝(r_f¹,r_f²)，其中，r_f¹,r_f²分别表示当前时刻下的文件f的请求量、文件f的价值；步骤6、更新和T_f,j＝T_f,j+1，步骤7、设置t＝t+1，返回步骤3。