[论文阅读]Mobility-Aware Cooperative Caching in VEC Based on CAFR

news2024/11/13 11:18:47

论文:Mobility-Aware Cooperative Caching in Vehicular Edge Computing Based on Asynchronous Federated and DRL

JSTSP 2022 基于异步联邦和深度强化学习的车载边缘计算移动感知协同缓存

一、Introduction

background:
随着车联网(IoV)和云计算(Cloud Computing)的发展,缓存技术为车载用户(VU)提供了各种实时车辆应用,如自动导航、模式识别和多媒体娱乐。对于标准缓存技术,云缓存各种内容,如数据、视频和网页。车辆将所需内容传输到与云服务器相连的宏基站(MBS),从MBS中获取内容,由于车辆频繁请求内容造成通信拥塞,导致MBS到车辆的内容传输时延较高.车载边缘计算(VEC)可以有效降低内容传输时延,将内容缓存在部署在车载网络(VNs)边缘的路侧单元(RSU)中,车辆直接从本地 RSU 获取内容,减少内容传输延迟。在 VEC 中,本地 RSU 的缓存容量有限,如果车辆无法获取其所需的内容,则拥有所需内容的相邻 RSU 将它们转发到本地 RSU。最坏的情况是本地和相邻的 RSU 都没有缓存请求的内容,车辆需要从 MBS 获取内容。

在 VEC 中,设计一种缓存方案来缓存热门内容至关重要。传统的缓存方案根据历史请求缓存内容。由于VEC中车辆的高机动性特性,先前从车辆请求的内容可能会很快过时,传统的缓存方案无法满足VU的所有需求。因此要预测 VEC 中最受欢迎的内容,提前缓存在合适的 RSU 中。机器学习(ML)可以通过训练用户数据来提取隐藏的特征,有效地预测热门内容。然而,用户数据通常包含隐私信息,用户不愿意直接与他人分享他们的数据,这使得收集和训练用户的数据变得困难。联邦学习 (FL) 可以通过共享用户的本地模型而不是数据来保护用户的隐私 。在传统的联邦学习中,全局模型通过聚合所有车辆的本地模型来定期更新。然而,车辆在更新本地模型之前,可能会频繁地驶出VEC的覆盖区域,因此无法在同一区域上传本地模型,这将降低全局模型的准确性以及获取预测的热门内容的概率。异步联邦学习可以在不聚合所有车辆的局部模型的情况下进行,因此可以上传部分模型以提高全局模型的精度。车辆的移动性对异步联邦学习有很大影响。

预测的热门内容的大小通常会超过本地 RSU 的缓存容量。因此VEC 必须确定预测的热门内容在何处缓存和更新。内容传输时延是车辆提供实时车载应用的重要指标。本地和相邻的RSU中缓存的热门内容不同,会影响车辆获取内容的方式,从而影响内容传输的延迟。每辆车的内容传输时延都受其信道条件的影响,而信道条件又受车辆移动性的影响。因此需要考虑车辆的移动性来设计一种协同缓存方案,将预测的热门内容缓存在RSU之间,以优化内容传输时延。

Motivation:
解决车辆边缘计算(VEC)中缓存效率和传输延迟的问题。VEC在路边单元(RSU)中学习和缓存车辆用户(VU)最受欢迎的内容,降低传输延迟。传统基于历史请求的缓存方案难以适应车辆的高机动性,需要预测和缓存热门内容。传统联邦学习因车辆频繁移动而无法有效更新全局模型,导致预测热门内容的精度降低。异步联邦学习可以在不聚合所有局部模型的情况下提高全局模型的精度。考虑到RSU缓存容量有限,需优化热门内容的缓存位置以减少传输延迟。

在这里插入图片描述
Method:

  • 异步联邦学习算法:提出一种考虑车辆位置和速度等移动特性的异步联邦学习算法,以提高全局模型的精度。
  • 预测热门内容的算法:提出一种基于全局模型预测热门内容的算法。每辆车采用自动编码器(AE)预测基于全局模型的感兴趣内容,本地RSU收集覆盖区域内所有车辆的兴趣内容,以捕获热门内容。
  • 深度强化学习框架:设计一个DRL框架(dueling deep Q-network,DQN)解决协同缓存问题。RSU根据dueling DQN算法确定最优的协同缓存策略,以最小化内容传输延迟。

二、SYSTEM MODEL

考虑城市场景中的三层 VEC,该场景由本地 RSU、相邻 RSU、连接云的 MBS 和在 RSU 覆盖区域内行驶的一些车辆组成。顶层是部署在 VEC 中心的 MBS,而中间层是部署在 MBS 覆盖区域内的 RSU,放置在道路侧。底层是在 RSU 的覆盖区域内行驶的车辆。

每辆车都存储了大量的VU的历史数据,即本地数据。每个数据都是反映 VU 不同信息的向量,包括 VU 的个人信息,例如身份证 (ID) 号码、性别、年龄和邮政编码、VU 可能请求的内容,以及 VU 对内容的评级,对内容的评级越大表明 VU 对内容更感兴趣。内容的评级为0即它不受欢迎或未被 VU 请求。每辆车随机选择一部分本地数据形成训练集,其余部分作测试集。每轮每辆车从测试集随机选择内容作为请求的内容,将请求信息发送到本地 RSU。MBS缓存所有可用内容,每个RSU容量有限。车辆在不同条件下从本地 RSU、相邻 RSU 或 MBS 获取每个请求的内容。具体说来

1) 本地 RSU

如果请求的内容缓存在本地 RSU 中,则本地 RSU 会将请求的内容发送回车辆。在这种情况下,车辆从本地 RSU 获取内容。

2) 邻近的 RSU

如果请求的内容未缓存在本地 RSU 中,则本地 RSU 会将请求传输到相邻的 RSU,而相邻的 RSU 会将内容发送到本地 RSU(如果它缓存了请求的内容)。之后,本地 RSU 将内容发送回车辆。在这种情况下,车辆从相邻的 RSU 获取内容。

3) MBS

如果内容既未缓存在本地 RSU 中,也未缓存在相邻 RSU 中,则车辆会向 MBS 发送请求,MBS 直接将请求的内容发送回车辆。在这种情况下,VU 从 MBS 获取内容。
在这里插入图片描述

B. 车辆的移动性模型

在这里插入图片描述

C.通信模型

VEC中的多辆车采用正交频分复用(OFDM)技术与RSU通信,在通信模型中不考虑干扰。本地RSU和相邻RSU之间的通信采用有线链路。每辆车在一轮中保持相同的通信模型,并针对不同的轮次更改其通信模型。
在这里插入图片描述

三、协同缓存方案

提出一种协作缓存方案来优化每一轮r中的内容传输延迟。首先提出异步 FL 算法来保护 VU 的信息并获得准确的模型。然后提出基于获得的模型来预测流行内容的算法。最后提出基于 DRL 的算法,根据预测确定最佳协作缓存流行内容。
在这里插入图片描述

A.异步联邦学习

如上图所示,传统的同步FL(右),本地 RSU 等待所有车辆上传其本地模型并聚合所有本地模型来更新全局模型。然后每辆车从本地RSU下载更新后的模型。相比之下,对于异步FL(左),每上传成功一个本地模型,本地RSU都会聚合并更新其全局模型。
文章考虑车辆移动性在VEC中提出一种异步FL算法,该算法由5步组成:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

异步联邦学习整体算法:
在这里插入图片描述

B.流行的内容预测

提出一种预测流行内容的算法。流行的内容预测算法由4个步骤组成:
在这里插入图片描述
在这里插入图片描述

C.基于DRL的协同缓存——DRL框架

每个RSU的计算能力很强,协作缓存可以在短时间内确定。主要目标是找到一个基于DRL的最优协同缓存,以最小化内容传输延迟。接下来将制定 DRL 框架,然后介绍 DRL 算法
在这里插入图片描述

在这里插入图片描述

C.基于DRL的协同缓存——DRL算法

在这里插入图片描述

Dueling DQN流程

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1995577.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

数据结构--单链

#include "link.h" plink get_head() { plink pmalloc(sizeof(Link)); if(pNULL) { printf("申情节点失败\n"); return NULL; } p->len0; p->nextNULL; return p; } void head_insert(plink L,int a) {…

AI动漫生成工具,文生图转换图生视频功能,低成本使用AI工具做项目。AI工具搭建开发。

目录 前言: 一、AI文生动漫有哪些功能? 二、如何低价使用AI工具? 三、AI工具适合现在做哪些互联网项目? 总结: 前言: AI动漫原理就是通过文字描述来生成图片,然后对文本配上语音和音乐生成…

[极客大挑战 2019]FinalSQL1

打开题目 sql注入,点击1试一下 点击2试一下 点击3试一下 点击4 点击5 id6试一下 感觉是sql盲注了 编写脚本 import requests import string from time import sleep url "http://9da9cb18-3096-413a-9476-8a177ffec31a.node4.buuoj.cn:81/search.php?id0^(…

陶瓷材质的防静电架空地板越来越受欢迎的原因

目前市面上的陶瓷防静电架空地板主要分为两种:钢基和硫酸钙基。前者是以全钢冲孔裸板作为板基,经粘接、固定整型和灌浆的方式加工而成,后者是以复合硫酸钙板为基材,表面粘接防静电陶瓷砖,四周导电PVC边条封边。近年来陶…

【网络】套接字socket编程预备知识

1.源IP地址和目的IP 计算机网络中的源地址和目的地址是用来标识网络中的不同主机的。 源地址是指发送数据包的主机的地址,而目的地址则是指接收数据包的主机的地址,在数据包传输过程中,每经过一个路中器感交换机,都会根据目的地址…

乒乓球AI机器人赢了人类!正反手灵活转换,擦网球高球都能接,专业教练:达到中级选手水平

巴黎奥运会乒乓球团体赛如火如荼,谷歌机器人申请出战—— 首个达到人类竞技水平的机器人Agent发布! 你看一个没留神,就赢了专业教练一个球! 正反手快速转换,连续进攻也是不在话下~ 面对一些突发战术,比如…

在线办公小程序的设计

管理员账户功能包括:系统首页,个人中心,通知公告管理,员工管理,部门信息管理,职位信息管理,会议记录管理,待办事项管理,系统管理 微信端账号功能包括:系统首…

Swagger的介绍与使用(二)

一. 介绍( Spring Boot JDK 17 Swagger 3(OpenAPI)结合使用) 根据2024年当前环境来看, Spring Boot JDK 17 Swagger 3(OpenAPI)结合使用更加有趋势 将Spring Boot、JDK 17和Swagger 3(OpenAPI&#xff…

xxl-job适配达梦数据库

参考资料: 【达梦数据库】从 Mysql 迁移到 DM8_从 mysql 移植到 dm Xxl-job适配达梦数据库 Xxl-job适配达梦数据库 按照这篇文章修改所有Mapper.xml文件,但是运行会报错。 按照下面的文章修改 XxlJobLogMapper.xml 如何将 XxlJob 集成达梦数据库_xx…

矩阵转置(c语言)

1.KiKi有一个矩阵,他想知道转置后的矩阵(将矩阵的行列互换得到的新矩阵称为转置矩阵),请编程帮他解答。 //输入描述: //第一行包含两个整数n和m,表示一个矩阵包含n行m列,用空格分隔。(1≤n≤10…

SQLite 数据库安装及使用(Linux)

目录 引言 SQLite 的特点 SQLite 的应用场景 SQLite数据库的安装 方法一:使用包管理器安装 方法二: 从源码编码安装 SQLite数据库的基础命令 1.系统命令 2.SQL命令 sqlite编程接口 引言 SQLite 是一种轻量级的数据库管理系统,它不…

uniapp项目-购物商城【无接口,下载改appid即可使用】

🤹‍♀️潜意识起点:个人主页 🎙座右铭:得之坦然,失之淡然。 💎擅长领域:大前端 是的,我需要您的: 🧡点赞❤️关注💙收藏💛 是我…

零样本学习——从多语言语料库数据中对未学习语言进行语音识别的创新技术

引言 在全球众多的语言中,只有极少数的语言在语音识别领域取得了显著的进展。这种不平衡现象的主要原因是,现有的语音识别模型往往依赖于大量的标注语音数据,而这些数据对于许多语言来说难以获得。 近年来,尽管语音识别技术取得…

6.3 第三方库的安装与使用

欢迎来到我的博客,很高兴能够在这里和您见面!欢迎订阅相关专栏: 工💗重💗hao💗:野老杂谈 ⭐️ 全网最全IT互联网公司面试宝典:收集整理全网各大IT互联网公司技术、项目、HR面试真题.…

英镑与日元:货币市场的双重挑战

一、英镑的波动与策略 近期,英镑兑所有主要货币出现大幅下挫,尤其是在7月,英镑成为投机市场最大的净多头仓位。然而,上周英镑抹去了第二季的大部分涨幅,主要受到英国央行对利率前景的鸽派重新定价的影响,以…

【生信入门】预览快速体验Linux-重生之小明闯Linux

生信少走弯路,快试试生信云专用服务器。新用户注册免费体验5小时。https://www.tebteb.cc 一.故事 小明的Linux冒险 在一片混沌的黑暗中,小明睁开了眼睛。他感到头痛欲裂,四周一片漆黑,只有一行闪烁的字符映入眼帘: [xiaomingu…

如何实现Redis和Mysql中数据双写一致性

在我们的实际开发中,我们用到了redis缓存一些常用的数据(如热点数据)用来提高系统的吞吐量。 但是不可以避免的出现了数据的修改场景,这就导致了数据库中的数据和Redis中出现不一致性的情况。如何保证数据一致性就显得非常重要了&…

H3C智能管理中心byod/index.xhtml接口存在远程命令执行漏洞

@[toc] H3C智能管理中心byod/index.xhtml接口存在远程命令执行漏洞 免责声明:请勿利用文章内的相关技术从事非法测试,由于传播、利用此文所提供的信息或者工具而造成的任何直接或者间接的后果及损失,均由使用者本人负责,所产生的一切不良后果与文章作者无关。该文章仅供学…

C++基础编程的学习3

nullptr关键字 在C11之前,空指针通常用NULL或0表示。然而,这些表示方法存在类型安全问题。C11引入了nullptr关键字,它提供了一个明确的、类型安全的空指针值。 Lambda表达式 Lambda表达式是C11引入的一种便捷的匿名函数定义方式。当Lambda…

海量数据处理商用短链接生成器平台 - 12

第三十五章 微信支付Native订单API测试实战和签名流程解读 第1集 微信支付-快速验证参数配置方法和统一下单接口开发 简介:微信支付-快速验证参数配置方法和统一下单接口开发 接口文档 https://pay.weixin.qq.com/wiki/doc/apiv3/apis/chapter3_4_1.shtml 编码实…