[发明专利]一种基于用户偏好预测的异构网络缓存决策方法

权利要求书

1.一种基于用户偏好预测的异构网络缓存决策方法，其特征在于：所述方法中宏基站、小基站和D2D的通信方式并存，包括如下步骤：

(S1)首先在用户请求不同文件的概率分布未知的情况下，通过机器学习根据用户请求历史记录预测用户偏好；

(S2)基于用户的移动性、物理位置关系、社会关系推导平均系统成本的表达式，在缓存容量的约束下，以小基站和重要用户的缓存策略为变量，构建平均系统成本最小化的优化问题，通过求解该问题进行缓存决策；

(S3)基于贪心算法的次优算法对平均系统成本最小化的优化问题进行求解，按照解向量决定予以缓存的文件。

2.根据权利要求1所述的基于用户偏好预测的异构网络缓存决策方法，其特征在于：所述方法的算法处理过程具体如下：

(1)用S＝{1,...,S}、U＝{1,2,...,U}、C＝{1,...,C}和F＝{1,...,C*F_c}分别表示小基站集、用户集、文件类别集和文件集，其中S、U、C、F_c分别表示小基站数、用户数、文件类别数和每类文件数，用t_min、t_min′分别表示通过D2D和通过小基站下载每个文件需要最小通信时间，宏基站包含内容库中的全部文件；

(2)将时间划分为等长的时隙，t∈N表示第t个时隙，其起始时刻是τ_t，所有时隙长度都为T，每个时隙开始，即当前时隙的用户初始D2D连接情况其中指示函数代表用户i和用户j在t时隙开始是否能够进行D2D通信，用“1”或“0”表示；然后每个用户按照其偏好随机的请求文件，构成文件请求向量R^t＝{r_i^t:i＝1,...,U}，其中r_i^t∈F是用户i在t时隙请求的文件；

(3)通过指示变量表示用户间的物理关系，如果用户i和用户j在t时刻具有物理关系，则若没有则定义μ_i,j表示用户i与用户j间连接时长服从的指数分布的参数，用λ_i,j表示用户i与用户j间隔时长服从的指数分布参数，根据用户i和用户j在t₀时刻的连接情况计算用户i和用户j在t_c时刻相连的概率

(4)定义μ′_u,s和λ′_u,s表示用户u和小基站s间的连接时长和间隔时长分别服从的指数分布的参数，指示变量表示用户u和小基站s间的物理关系，根据t₀时刻的连接情况计算用户u和小基站s在t_c时刻相连的概率

(5)定义S_i,j表示用户i与用户j之间的社会关系，用S_T表示社会关系阈值，基于S_i,j和S_T计算用户间的社会联系s_i,j，用θ_u表示用户u的社会重要性，用来衡量用户的社会重要程度，计算每个用户的社会重要性θ_u＝α·V_u+β·B_u，其中V_u，B_u分别代表用户u的设备容量和中介中心性，α，β是权重系数，且满足α+β＝1，依据社会重要性选取重要用户来缓存文件；

(6)构建H＝{H₁,H₂,...,H_U}表示决策时刻前T_b个时隙的历史文件请求其中代表用户u的请求历史，为前T_b个时隙中第t_b个时隙时请求的文件，根据历史文件请求H计算出基于次数的用户对每类文件的经验概率分布，并用表示用户u请求第c_i类文件的概率，并作为K-means算法的数据集；

(7)计算不同K值下所有数据点到其聚类中心点的距离之和作为衡量当前K-means模型的性能度量，计算表达式如下：

其中X为数据点向量，M_i代表第i类的聚类中心，距离采用欧式距离；

(8)计算Gap(K)＝E(log D_K)-log D_K作为Gap Statistic，其中E(log D_K)为log D_K的期望，选取使Gap(K)最大的K值optK作为用户分类的类别数；

(9)针对每一类用户，计算其聚类中心作为该类用户请求该类文件的经验概率分布，将聚类中心从大到小排序，并获得对应的索引向量，按照排序取值和排名取对数后作为y,x数据进行线性回归求得Zipf分布参数s；

(10)计算该类用户请求每类文件的概率，其计算表达式如下所示：

其中c代表用户类别，rank(c)代表第c类文件的请求数排名，依据对每类文件中文件的偏好服从均匀分布求出用户请求所有文件的概率分布，用户请求所有文件的概率分布表达式如下所示：

其中代表用户u请求第f个文件的概率；

(11)重复步骤(9)至步骤(10)直至optK类用户的文件偏好都被求出，得到所有用户的文件偏好集合

(12)令从自身或者或通过D2D通信从重要用户中获取文件的花费为ξ₁；从小基站获取文件的花费为ξ₂；从宏基站获取文件的开销为ξ₃，用户首先考虑从自身存储或重要用户获取请求文件，没有则考虑从小基站，都没有换成则从宏基站获取；

(13)令N代表重要用户数，令代表所有重要用户和小基站缓存放置策略变量，其中布尔变量代表重要用户n是否缓存了文件f，布尔变量代表小基站s是否缓存了文件f，推导得到平均系统开销f(x)的表达式，初始化i＝N+1，x_subopt为长度为(N+S)F的全零向量；

(14)令j＝1，令集合F_left＝{1,...,F}；

(15)令然后令x_subopt中第(i-1)F+fopt个元素值为1，去掉集合F_left中的f_opt元素，最后令j＝j+1；

(16)重复执行步骤(15)，直至j＞V′_i。