一种并行传输编码缓存的性能优化方案

1.本发明属于移动通信技术领域，尤其涉及一种并行传输编码缓存的性能优化方案。


背景技术：

2.在为了尽可能缓解网络传输压力而提出的编码缓存问题中，大多数工作都通过在预缓存阶段和传输阶段创造多播机会来减少通信延迟。目前的大多数研究主要关注基于服务器多播的模型或在其他网络结构中进行的编码缓存问题。其中，多个用户的组织类型、多个用户的缓存空间大小等都是网络模型中可以更改的因素。为了评价整个编码缓存通信系统的优劣，大多数工作都将通信延迟作为评价指标。


技术实现要素：

3.本发明目的在于提供一种并行传输编码缓存的性能优化方案,考虑了基于服务器多播和基于d2d网络的两种不同传输方式，提出一种评价指标为传输时长的，针对并行传输编码缓存问题的性能优化算法，最终得到基于复杂网络模型的并行传输编码缓存方案以解决复杂网络模型中进行编码缓存的技术问题。
4.为解决上述技术问题，本发明的具体技术方案如下：
5.一种并行传输编码缓存的性能优化方案，包括如下步骤：
6.步骤1、针对给定用户数k、数据库文件数n、服务器广播信道容量cs、d2d网络信道容量cu和各用户不同大小的缓存空间的编码缓存问题，使用总传输时长dt作为编码缓存方案的评价指标；定义文件分配参数l1，其中，l1∈[0，1]，表示每个文件被分配给服务器广播编码缓存模式和d2d网络内部编码缓存模式的分配策略，若l1＝0，那么所有待传文件任务都由服务器广播编码缓存模式的分配策略进行传输；定义用户缓存空间分配参数ms，表示用户用于服务器广播编码缓存模式分配的缓存空间，以此来表示各用户缓存空间如何划分给服务器广播编码缓存模式和d2d网络内部编码缓存模式的分配策略；
[0007]
步骤2、根据d2d网络内部编码缓存模式和服务器广播编码缓存模式，并利用定义的文件分配参数l1和用户缓存空间分配参数ms，建立并行传输编码缓存实现方案，同时，将并行传输编码缓存实现方案建模为传输时长与文件分配参数l1和用户缓存空间分配参数ms有关的优化问题；解决此优化问题，便得到传输时长的最优解，并对应最优文件分配方案和最优用户缓存分配方案；
[0008]
步骤3、根据建模得到的优化问题，使用基于粒子群算法和线性规划的算法进行优化；在粒子群算法的每次迭代中，监控此时的用户缓存分配参数ms，若分配到d2d网络传输方式的用户缓存满足下界可达条件，则可直接得到d2d网络编码缓存的最优传输时长，若分配到d2d网络传输方式的用户缓存不满足下界可达条件，使用线性规划得到d2d网络编码缓存的最优传输时长；粒子群算法多次迭代后，实现对总传输时长dt的优化，其中dt在建模为优化问题时是优化问题的目标函数，在优化算法里是适应度。
[0009]
进一步的，步骤2建模得到的与文件分配参数l1和用户缓存空间分配参数ms有关的优化问题描述如下：
[0010]
并行传输编码缓存实现方案为：服务器向各用户传递信息，同时用户之间相互传递信息，分别被称为服务器广播编码缓存模式和d2d网络内部编码缓存模式；将服务器端的每个文件都按照固定的比例划分成两部分，定义文件分配参数l1表示各文件由d2d网络内部编码缓存模式负责信息传输的比例大小；每个文件的l1f比特为需要由d2d网络内部编码缓存模式完成的任务，而(1-l1)f比特利用服务器广播编码缓存模式进行预缓存和传输；
[0011]
当d2d网络内部编码缓存模式的传输时长tu时，有：
[0012][0013]
当smcc部分的传输时长ts时，有：
[0014][0015]
最终总的传输时长dt为：
[0016][0017]
优化问题总结为：
[0018][0019][0020][0021][0022][0023][0024][0025][0026]
设定每个用户分配给服务器广播编码缓存模式策略的缓存空间大小相等，m＝[m1,
…
,mk]为各用户归一化后的缓存空间大小，设置m1≤
…
≤mk，则有ms∈[0,m1]；每个用户分配给d2d网络内部编码缓存模式策略的缓存空间向量为mu＝[m
1-ms,
…
,m
k-ms]；
[0027]
定义缓存向量a表示在缓存阶段，各文件预先缓存到终端用户的分配策略，缓存向量a中分量as表示了缓存在用户集合s中的每一个用户的子文件的大小，as∈[0,1]，1≤|s|≤k；
[0028]
定义传输变量表示在传输阶段，用户j传递给中每一个用户的信息的大小，代表任意用户集合，a
[k]/j
表示所有用户中排除用户j后的用户集合，表示所有用户中排除用户j后的用户集合，vj→
{i}
表示用户j发送给用户i的信息xj→
{i}的大小；
[0029]
定义分配变量表示对于同时存在于用户集合s中的子文件，其大小由as表示，发送给不同用户集合时针对该子文件的分配策略，
[0030]
为满足的用户集合；
[0031]
在给定各用户缓存空间大小m＝(m1,
…
,mk)的基础上，总传输时长dt与文件分配参数l1和用户缓存空间分配参数ms有关，建模得到优化变量为文件分配参数l1、用户缓存空间分配参数ms，优化指标为传输时长的优化问题。
[0032]
进一步的，步骤3基于粒子群算法和线性规划的算法如下：
[0033]
粒子群算法将鸟群行为抽象为数学概念，搜索空间中的每只鸟，称为粒子，鸟到食物的距离抽象为适应度，即为优化函数值，通过适应度来评价解的好坏；在每次迭代中，粒子通过跟踪个体极值pbest和全局极值gbest来更新自己，每个粒子下一次的位置和速度更新策略为：
[0034]
vi＝vi+c1×
rand()
×
(pbest
i-xi)+c2×
rand()
×
(gbest
i-xi)
[0035]
xi＝xi+vi[0036]
其中，rand()是介于(0,1)之间的随机数，c1、c2是学习因子；
[0037]
利用粒子群算法，把文件分配参数l1和缓存空间分配参数ms视为鸟群的二维坐标位置，在参数初始化时，每个粒子的位置都初始化为二维向量，每一维分别代表优化变量l1和ms，每次迭代时，都会向特定方向改变位置坐标，即在调整文件分配参数l1和缓存空间分配参数ms；在计算粒子的适应度时，即计算优化目标函数dt，每次迭代后得到的传输时长dt视为每只鸟到食物的距离，即适应度，由此时的文件分配参数l1和缓存空间分配参数ms计算得到。
[0038]
进一步的，基于粒子群算法与线性规划的算法包括如下步骤：
[0039]
步骤3.1、初始化一群粒子，给定初始的随机位置和速度，即初始化各粒子的文件分配参数l1，缓存空间分配参数ms及v；
[0040]
步骤3.2、对于每个粒子，根据服务器广播编码缓存模式的传输方案得到其ts，其中服务器广播编码缓存模式为传输阶段由服务器向各用户发送编码信息的传输方案；
[0041]
步骤3.3、根据缓存空间分配参数ms得到各用户用于d2d网络内部编码缓存模式的缓存空间mu＝[m
1-ms,
…
,m
k-ms]；
[0042]
步骤3.4、对于每个粒子，监控mu，直接计算或利用线性规划得到tu；
[0043]
步骤3.5、计算此时每个粒子的适应度dt＝max{tu,ts}；
[0044]
步骤3.6、评价每个粒子的适应度：
[0045]
步骤3.6.1、对每个粒子，将其适应度与此时的pbest作比较，若得到更小的适应度，即dt，则以此更新pbest；
[0046]
步骤3.6.2、对每个粒子，将其适应度与此时的gbest作比较，若得到更小的适应度，即dt，则以此更新gbest；
[0047]
步骤3.7、更新粒子的速度和位置；
[0048]
步骤3.8、判断是否达到最大迭代次数或满足精度，如果满足，则算法结束，输出最优解l1和mu及目标函数值dt；否则，转步骤3.2。
[0049]
本发明的一种并行传输编码缓存问题的性能优化方案，具有以下优点：
[0050]
本发明与服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)这两种传输方式独立进行相比，减少了传输时长，同时提出了基于粒子群算法和线性规划的优化算法，能够有效减少优化迭代次数，得到最优传输时长，提高算法性能。
附图说明
[0051]
图1为本发明的一种并行传输编码缓存问题模型示意图；
[0052]
图2为本发明的基于粒子群算法和线性规划的编码缓存优化算法的流程示意图。
具体实施方式
[0053]
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种并行传输编码缓存的性能优化方案做进一步详细的描述。
[0054]
如图2所示，本发明包括以下步骤：
[0055]
步骤1、如图1所示，服务器，通过一个无差错广播信道连接了k个用户。同时，所有用户之间形成了一个d2d通信网络。在服务器端存储了n个文件，w1,...wn，每个文件具有f个比特。每个用户都有一个缓存空间，不同用户的缓存空间大小不同。针对给定的用户数k、数据库文件数n、服务器广播信道容量cs、d2d网络信道容量cu和各用户不同大小缓存空间的编码缓存问题，已知独立的服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)两种编码缓存模式的实现方案，首先定义文件分配参数l1，其中，l1∈[0，1]，表示每个文件被分配给两种传输方式的分配策略，定义用户缓存空间分配参数ms，表示各用户缓存空间如何划分给服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)。
[0056]
步骤2、根据独立的服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)，并利用定义的l1和ms，建立并行传输编码缓存实现方案。首先，在预缓存阶段，每个文件的l1f比特由d2dcc传输方案中的预缓存策略缓存到各用户内存中，(1-l1)f比特由服务器广播编码缓存模式(smcc)传输方案中的预缓存策略缓存。每个用户缓存中的ms部分用来存储服务器广播编码缓存模式(smcc)中由数据库得到的文件内容，每个用户剩余的缓存空间则用来存储d2d网络内部编码缓存模式(d2dcc)中需要预存储的文件内容。在传输阶段，服务器广播编码缓存模式(smcc)通过广播信道向各用户发送信息的同时，用户之间也可以互相发送信息。因此，可以将服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)同时进行的并行传输编码缓存问题建模为与参数l1和ms有关的优化问题，优化目标是最小化传输时长。
[0057]
建模得到的与文件分配参数l1和用户缓存空间分配参数ms有关的优化问题描述如下：并行传输模式为：服务器向各用户传递信息，同时用户之间相互传递信息，分别被称为服务器广播编码缓存模式(smcc)和d2d网络内部编码缓存模式(d2dcc)；将服务器端的每个文件都按照固定的比例划分成两部分，定义l1表示各文件由d2dcc模式负责信息传输的比例大小；每个文件的l1f比特为需要由d2dcc模式完成的任务，而(1-l1)f比特利用smcc模式
进行预缓存和传输；
[0058]
当d2dcc部分的传输时长tu时，有：
[0059][0060]
当smcc部分的传输时长ts时，有：
[0061][0062]
最终总的传输时长dt为：
[0063][0064]
优化问题为：
[0065][0066][0067][0068][0069][0070][0071][0072][0073]
其中，定义l1表示各文件由d2dcc模式负责信息传输的比例大小，l1∈[0,1]，l1描述了可并行传输的编码缓存网络中，每个文件如何分到以上两种传输模式的分配策略。
[0074]
定义ms表示进行smcc通信策略时，各用户预留给smcc通信模式的缓存空间大小，设定每个用户分配给smcc策略的缓存空间大小相等。我们已知m＝[m1,
…
,mk]为各用户归一化后的缓存空间大小，不失一般性地，我们假设m1≤
…
≤mk，则有ms∈[0,m1]。相应地，每个用户分配给d2dcc策略的缓存空间向量为mu＝[m
1-ms,
…
,m
k-ms]。
[0075]
定义缓存向量a表示在缓存阶段，各文件预先缓存到终端用户的分配策略，a中分量as表示了缓存在用户集合s中的每一个用户的子文件的大小，as∈[0,1]，1≤|s|≤k。
[0076]
定义传输变量表示在传输阶段，用户j传递给中每一个用户的信息xj→
τ
的大小，代表任意用户集合，a
[k]/j
表示所有用户中排除用户j后的用户集合，表示所有用户中排除用户j后的用户集合，vj→
{i}
表示用户j发送给用户i的信息xj→
{i
}的大小。
[0077]
定义分配变量表示对于同时存在于用户集合s中的子文件，其大小由as表示，发送给不同用户集合时针对该子文件的分配策略，
[0078]
为满足的用户集合。
[0079]
在给定各用户缓存空间大小m＝(m1,...,mk)的基础上，dt与l1和ms有关，建模得到优化变量为文件分配参数l1、用户缓存空间分配参数ms，优化指标为传输时长的优化问题。
[0080]
步骤3、为解决此优化问题，使用基于粒子群算法和线性规划的算法进行优化。把文件分配参数l1和缓存空间分配参数ms视为鸟群的二维坐标位置，初始化多个粒子坐标，并得到每个粒子的初始适应值，即利用粒子的l1和ms得到的传输时长dt。粒子群算法的思想就是利用多个粒子每一次的位置更新，逐渐找到具有最优适应值的粒子。
[0081]
在粒子群算法每一次迭代时，根据粒子位置更新策略会得到每个粒子当前l1和ms，在此基础上可以得到由d2d网络负责传输的文件大小和d2d网络传输模式可使用用户缓存空间大小。
[0082]
若发现此时d2dcc模式可使用的各用户缓存大小不满足上述特定条件，则求解d2d网络编码缓存的线性规划问题，从而得到在此次迭代中，当前d2d网络传输部分的传输时长tu，并随之得到当前的适应度dt。根据极值更新规则，更新个体极值和全局极值，并进入下一次迭代。粒子群算法多次迭代后，实现对传输时长dt的优化。
[0083]
基于粒子群算法和线性规划的算法具体如下：
[0084]
粒子群算法pso将鸟群行为抽象为数学概念，搜索空间中的每只鸟，称为粒子，鸟到食物的距离抽象为适应度，即为优化函数值，通过适应度来评价解的好坏；在每次迭代中，粒子通过跟踪个体极值pbest和全局极值gbest来更新自己，每个粒子下一次的位置和速度更新策略为：
[0085]
vi＝vi+c1×
rand()
×
(pbest
i-xi)+c2×
rand()
×
(gbest
i-xi)
[0086]
xi＝xi+vi[0087]
其中，rand()是介于(0,1)之间的随机数，c1、c2是学习因子。
[0088]
利用pso，把文件分配参数l1和缓存空间分配参数ms视为鸟群的二维坐标位置，在参数初始化时，每个粒子的位置都初始化为二维向量，每一维分别代表优化变量l1和ms，每次迭代时，都会向特定方向改变位置坐标，即在调整变量l1和ms。在计算粒子的适应度时，即计算优化目标函数dt，每次迭代后得到的传输时长dt视为每只鸟到食物的距离，即适应度，由此时的l1和ms计算得到。
[0089]
当应用粒子群算法优化并行传输编码缓存问题的传输时长时，每一次迭代得到当前l1和ms，在此基础上可以得到d2d网络传输部分的文件大小和可使用用户缓存空间大小，并求解d2d网络编码缓存的线性规划问题，从而得到当前d2d网络传输部分的传输时长tu，并随之得到当前的适应度dt。
[0090]
同时，当d2d网络编码缓存部分，在已知k、n、m且m1≤
…
≤mk时，当各用户的缓存空间满足特定条件时，其传输延迟无需利用线性规划得到，具体有：
[0091]
(1)当时，传输延迟r(m)为：
[0092][0093]
其中，
[0094]
(2)当时，传输延迟r(m)为：
[0095][0096]
其中，l∈z，l∈[k-2]使得
[0097]
(3)当时，传输延迟r(m)为：
[0098]
r(m)＝1-m1[0099]
其中，
[0100]
因此，在粒子群每一次迭代开始时，增加监控步骤，判断当前参数ms所决定的d2d网络传输部分是否需要通过线性规划来得到tu。
[0101]
基于粒子群算法与线性规划的算法包括如下步骤：
[0102]
步骤3.1、初始化一群粒子，给定初始的随机位置和速度，即初始化各粒子的l1，ms及v；
[0103]
步骤3.2、对于每个粒子，根据服务器广播编码缓存模式(smcc)的传输方案得到其ts，其中服务器广播编码缓存模式(smcc)为传输阶段由服务器向各用户发送编码信息的传输方案；
[0104]
步骤3.3、根据ms得到各用户用于d2dcc模式的缓存空间mu＝[m
1-ms,
…
,m
k-ms]；
[0105]
步骤3.4、对于每个粒子，监控mu，直接计算或利用线性规划得到tu；
[0106]
步骤3.5、计算此时每个粒子的适应度dt＝max{tu,ts}；
[0107]
步骤3.6、评价每个粒子的适应度：
[0108]
步骤3.6.1、对每个粒子，将其适应度与此时的pbest作比较，如果得到更小的适应度，即dt，则以此更新pbest；
[0109]
步骤3.6.2、对每个粒子，将其适应度与此时的gbest作比较，如果得到更小的适应度，即dt，则以此更新gbest；
[0110]
步骤3.7、更新粒子的速度和位置；
[0111]
步骤3.8、判断是否达到最大迭代次数或满足精度，如果满足，则算法结束，输出最优解l1和mu及目标函数值dt；否则，转步骤3.2。
[0112]
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另
外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本技术的权利要求范围内的实施例都属于本发明所保护的范围内。