Economically Optimal MS Association for Multimedia Content Delivery in Cache-Enabled Heterogeneous Cloud Radio Access Networks
Notice bibliographique
Résumé
In cache-enabled heterogeneous cloud radio access networks (HC-RANs), mobile station (MS) association for multimedia content delivery should consider both the content caching location and the wireless channel quality. This paper studies economically optimal MS association to tradeoff the cache-hit ratio and the ratio of MSs with satisfied quality of service (QoS). When the associated enhanced remote radio unit (eRRU) stores the requesting content, the content can be fetched directly from the local cache. Otherwise, fronthaul has to be used to fetch the content. The use of fronthaul resource and cache is treated as costs, and payments of QoS-satisfied MSs are treated as incomes. Thus, the economic MS association is formulated as an optimization problem to maximize the system utility, i.e., total profit of the network operator, which is defined as the difference between incomes and costs. A belief propagation-based method is employed to solve the problem on a developed factor graph. Simulation results show that the proposed economically optimal MS association achieves much higher profit than the existing schemes and works well in the network with various loads. Moreover, the profit of the proposed scheme can be improved with inter-cell interference coordination. For the case with extremely skewed content popularity, the proposed scheme can avoid MS overloading at eRRUs storing most popular multimedia contents. Furthermore, it can support more MSs with satisfied QoS, which leads to a higher profit.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».