Delay-Oriented Caching Strategies in D2D Mobile Networks
Notice bibliographique
Résumé
Caching-enabled device-to-device (D2D) networks have the potential to make mobile users directly fetch requested files from nearby users, resulting in low network delay. In addition, user mobility can increase the communication chances among different users, and therefore, the network delay can be further effectively reduced by proper designing the caching strategy. In this paper, mobility-aware caching strategies in D2D networks are studied to minimize the network delay. Specifically, based on the inter-contact user mobility model, the expression of the average file delivery delay is analytically obtained. Considering the limited cache capacity, a delay minimization cache placement problem considering the user mobility is investigated. To optimally solve this nonlinear integer programming problem, we reformulate it as a multistage decision problem. According to the recursive relationship between adjacent stages, dynamic programming is adopted to obtain the optimal mobility-aware caching strategy stage-by-stage. Furthermore, to lower the complexity, we also demonstrate that the original problem can be recasted as a monotone submodular function maximization problem over a matroid constraint. Then, a low-complexity greedy mobility-aware caching strategy with (1-1/e)-optimality performance guarantee is put forward. Numerical results show that, in the scenario with high user mobility, the file delivery delay can be reduced by 47% with our proposed mobility-aware caching strategy, as compared with the most popular caching. Furthermore, the superiority of the proposed caching strategy is verified by real-world data set.
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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».