面向5G/Beyond 5G的移动边缘缓存优化技术综述

doi:10.11772/j.issn.1001-9081.2021060952

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (8): 2487-2500.DOI: 10.11772/j.issn.1001-9081.2021060952

• 先进计算 • 上一篇

面向5G/Beyond 5G的移动边缘缓存优化技术综述

刘炎培(), 陈宁宁, 朱运静, 王丽萍

郑州轻工业大学计算机与通信工程学院，郑州 450002

收稿日期:2021-06-07 修回日期:2021-08-24 接受日期:2021-08-31 发布日期:2022-08-09 出版日期:2022-08-10
通讯作者: 刘炎培
作者简介:刘炎培（1982—），女，河南郑州人，讲师，博士，主要研究方向：高性能计算、边缘计算、大数据处理；
陈宁宁（1994—），女，河南开封人，硕士研究生，CCF会员，主要研究方向：高性能计算、边缘计算；
朱运静（1995—），女，河南新乡人，硕士研究生，CCF会员，主要研究方向：高性能计算、边缘计算；
王丽萍（1981—），女，河南郑州人，讲师，博士，主要研究方向：物联网应用。
基金资助:
国家自然科学基金资助项目(61802353);河南省科技攻关计划项目(192102210270)

Review of mobile edge caching optimization technologies for 5G/Beyond 5G

Yanpei LIU(), Ningning CHEN, Yunjing ZHU, Liping WANG

College of Computer and Communication Engineering，Zhengzhou University of Light Industry，Zhengzhou Henan 450002，China

Received:2021-06-07 Revised:2021-08-24 Accepted:2021-08-31 Online:2022-08-09 Published:2022-08-10
Contact: Yanpei LIU
About author:LIU Yanpei， born in 1982， Ph. D.， lecturer. Her research interests include high-performance computing， edge computing， big data processing.
CHEN Ningning， born in 1994， M. S. candidate. Her research interests include high-performance computing， edge computing.
ZHU Yunjing， born in 1995， M. S. candidate. Her research interests include high-performance computing， edge computing.
WANG Liping， born in 1981， Ph. D.， lecturer. Her research interests include application of Internet of Things.
Supported by:
National Natural Science Foundation of China(61802353);Henan Provincial Science and Technology Program(192102210270)

摘要/Abstract

摘要：

随着移动设备和新兴移动应用的广泛使用，移动网络中流量的指数级增长所引发的网络拥塞、时延较大、用户体验质量差等问题无法满足移动用户的需求。边缘缓存技术通过对网络热点内容的复用，能极大缓解无线网络的传输压力；同时，该技术减少用户请求的网络时延，进而改善用户的网络体验，已经成为面向5G/Beyond 5G的移动边缘计算（MEC）中的关键性技术之一。围绕移动边缘缓存技术，首先介绍了移动边缘缓存的应用场景、主要特性、执行过程和评价指标；其次，对以低时延高能效、低时延高命中率及最大化收益为优化目标的边缘缓存策略进行了分析和对比，并总结出各自的关键研究点；然后，阐述了支持5G的MEC服务器的部署，并在此基础上分析了5G网络中的绿色移动感知缓存策略和5G异构蜂窝网络中的缓存策略；最后，从安全、移动感知缓存、基于强化学习的边缘缓存、基于联邦学习的边缘缓存以及Beyond 5G/6G网络的边缘缓存等几个方面讨论了边缘缓存策略的研究挑战和未来发展方向。

关键词: 移动边缘计算, 移动边缘缓存, 缓存优化策略, 5G/Beyond 5G, 联邦学习, 强化学习

Abstract:

With the widespread use of mobile devices and emerging mobile applications， the exponential growth of traffic in mobile networks has caused problems such as network congestion， large delay， and poor user experience that cannot satisfy the needs of mobile users. Edge caching technology can greatly relieve the transmission pressure of wireless networks through the reuse of hot contents in the network. At the same time， it has become one of the key technologies in 5G/Beyond 5G Mobile Edge Computing （MEC） to reduce the network delay of user requests and thus improve the network experience of users. Focusing on mobile edge caching technology， firstly， the application scenarios， main characteristics， execution process， and evaluation indicators of mobile edge caching were introduced. Secondly， the edge caching strategies with energy efficiency， delay， hit ratio， and revenue maximization as optimization goals were analyzed and compared， and their key research points were summarized. Thirdly， the deployment of the MEC servers supporting 5G was described， based on this， the green mobility-aware caching strategy in 5G network and the caching strategy in 5G heterogeneous cellular network were analyzed. Finally， the research challenges and future development directions of edge caching strategies were discussed from the aspects of security， mobility-aware caching， edge caching based on reinforcement learning and federated learning and edge caching for Beyond 5G/6G networks.

Key words: Mobile Edge Computing (MEC), mobile edge caching, caching optimization strategy, 5G/Beyond 5G, federated learning, reinforcement learning

中图分类号:

TP393

刘炎培, 陈宁宁, 朱运静, 王丽萍. 面向5G/Beyond 5G的移动边缘缓存优化技术综述[J]. 计算机应用, 2022, 42(8): 2487-2500.

Yanpei LIU, Ningning CHEN, Yunjing ZHU, Liping WANG. Review of mobile edge caching optimization technologies for 5G/Beyond 5G[J]. Journal of Computer Applications, 2022, 42(8): 2487-2500.

图/表 15

图1 移动边缘缓存应用场景

Fig. 1 Mobile edge caching application scenarios

图2 用户的移动性

Fig. 2 User mobility

图3 移动边缘缓存的执行过程

Fig. 3 Execution process of mobile edge caching

图4 车载网络中内容共享的边缘缓存

Fig. 4 Edge caching with content sharing in vehicular network

表1 移动边缘缓存策略总结归类

Tab. 1 Summary and classification of mobile edge caching strategies

优化目标	适用对象	相关文献	关键研究点
低时延高能效	时延和能耗都直接影响QoS的应用	文献［12-20］	综合效用的缓存放置策略；协作的缓存策略；缓存和卸载的联合优化策略
低时延高命中率	时延和命中率都直接影响QoS的应用	文献［21-31］	基于学习的缓存策略；移动感知的缓存策略；内容放置和交付的联合优化缓存策略
最大化收益	CP成本或网络成本最小的应用	文献［33-39］	基于非合作博弈模型的缓存策略；在线学习的缓存策略；基于D2D的优化策略

图5 系统算法流程

Fig. 5 System algorithm flow

图6 MEC服务器在5G架构下的部署

Fig. 6 Deployment of MEC servers under 5G architecture

图7 5G网络中绿色移动感知缓存示意图

Fig. 7 Schematic diagram of green mobility-aware caching in 5G network

图8 用户移动性对缓存命中率的影响

Fig. 8 Influence of user mobility on caching hit ratio

图9 不同缓存策略下的能耗

Fig. 9 Energy consumption under different caching strategies

图10 启用缓存的异构网络

Fig. 10 Heterogeneous network with caching

图11 最优协作内容缓存的两级原始-对偶分解图

Fig. 11 Two-level primal-dual decomposition diagram of optimal collaborative content caching

图12 不同策略在不同用户数量下的性能比较

Fig. 12 Performance comparison of different strategies under different numbers of users

图13 不同策略在不同用户设备存储容量下的性能比较

Fig. 13 Performance comparison of different strategies under different user device storage capacity

图14 不同策略在FBS不同带宽容量下的性能比较

Fig. 14 Performance comparison of different strategies under different bandwidth capacity of FBS

参考文献 69

1	Cisco. Cisco annual internet report （2018-2023）［R/OL］. （2020-03-09）［2021-05-09］. . 10.1108/lhs.2008.21121baf.001
2	BUZZI S， I C L， KLEIN T E， et al. A survey of energy-efficient techniques for 5G networks and challenges ahead［J］. IEEE Journal on Selected Areas in Communications， 2016， 34（4）： 697-709. 10.1109/jsac.2016.2550338
3	AKHTAR M W， HASSAN S A， GHAFFAR R， et al. The shift to 6G communications： vision and requirements［J］. Human-centric Computing and Information Sciences， 2020， 10（1）： No.53. 10.1186/s13673-020-00258-2
4	CHIEN W C， WENG H Y， LAI C F. Q-learning based collaborative cache allocation in mobile edge computing［J］. Future Generation Computer Systems， 2020， 102： 603-610. 10.1016/j.future.2019.08.032
5	TRAN T X， HAJISAMI A， PANDEY P， et al. Collaborative mobile edge computing in 5G networks： new paradigms， scenarios， and challenges［J］. IEEE Communications Magazine， 2017， 55（4）： 54-61. 10.1109/mcom.2017.1600863
6	PENG M G， SUN Y H， LI X L， et al. Recent advances in cloud radio access networks： system architectures， key techniques， and open issues［J］. IEEE Communications Surveys and Tutorials， 2016， 18（3）： 2282-2308. 10.1109/comst.2016.2548658
7	LIU D， CHEN B Q， YANG C Y， et al. Caching at the wireless edge： design aspects， challenges， and future directions［J］. IEEE Communications Magazine， 2016， 54（9）： 22-28. 10.1109/mcom.2016.7565183
8	LI L Y， ZHAO G D， BLUM R S. A survey of caching techniques in cellular networks： research issues and challenges in content placement and delivery strategies［J］. IEEE Communications Surveys and Tutorials， 2018， 20（3）： 1710-1732. 10.1109/comst.2018.2820021
9	PIAO Z Y， PENG M G， LIU Y Q， et al. Recent advances of edge cache in radio access networks for Internet of Things： techniques， performances， and challenges［J］. IEEE Internet of Things Journal， 2019， 6（1）： 1010-1028. 10.1109/jiot.2018.2866709
10	王莹，费子轩，张向阳，等.移动边缘网络缓存技术［J］.北京邮电大学学报， 2017， 40（6）： 1-13. 10.13190/j.jbupt.2017-066
	WANG Y， FEI Z X， ZHANG X Y， et al. Survey on caching technology in mobile edge networks［J］. Journal of Beijing University of Posts and Telecommunications， 2017， 40（6）： 1-13. 10.13190/j.jbupt.2017-066
11	张开元，桂小林，任德旺，等.移动边缘网络中计算迁移与内容缓存研究综述［J］.软件学报， 2019， 30（8）： 2491-2516. 10.13328/j.cnki.jos.005861
	ZHANG K Y， GUI X L， REN D W， et al. Survey on computation offloading and content caching in mobile edge networks［J］. Journal of Software， 2019， 30（8）： 2491-2516. 10.13328/j.cnki.jos.005861
12	LI C L， TANG J H， TANG H L， et al. Collaborative cache allocation and task scheduling for data-intensive applications in edge computing environment［J］. Future Generation Computer Systems， 2019， 95： 249-264. 10.1016/j.future.2019.01.007
13	LI P， GONG S L， GAO S， et al. Delay-constrained sleeping mechanism for energy saving in cache-aided ultra-dense network［J］. SCIENCE CHINA — Information Sciences， 2019， 62（8）： No.82301. 10.1007/s11432-018-9680-9
14	WU H J， ZHANG J， CAI Z P， et al. Toward energy-aware caching for intelligent connected vehicles［J］. IEEE Internet of Things Journal， 2020， 7（9）： 8157-8166. 10.1109/jiot.2020.2980954
15	REN D W， GUI X L， LU W， et al. GHCC： grouping-based and hierarchical collaborative caching for mobile edge computing ［C］// Proceedings of the 16th International Symposium on Modeling and Optimization in Mobile， Ad Hoc， and Wireless Networks. Piscataway： IEEE， 2018： 1-6. 10.23919/wiopt.2018.8362881
16	LI C L， ZHU L， LI W G， et al. Joint edge caching and dynamic service migration in SDN based mobile edge computing［J］. Journal of Network and Computer Applications， 2021， 177： No.102966. 10.1016/j.jnca.2020.102966
17	FANG J， ZENG W Z. Offloading strategy for edge computing tasks based on cache mechanism ［C］// Proceedings of the 6th International Conference on Computing and Artificial Intelligence. New York： ACM， 2020： 129-134. 10.1145/3404555.3404575
18	FAN W H， HAN J T， CHEN J Y， et al. Probabilistic computation offloading and data caching assisted by mobile-edge-computing-enabled base stations［J］. Annals of Telecommunications， 2021， 76（7/8）： 447-465. 10.1007/s12243-020-00822-y
19	ELGENDY I A， ZHANG W Z， HE H， et al. Joint computation offloading and task caching for multi-user and multi-task MEC systems： reinforcement learning-based algorithms［J］. Wireless Networks， 2021， 27（3）： 2023-2038. 10.1007/s11276-021-02554-w
20	XU J， CHEN L X， ZHOU P. Joint service caching and task offloading for mobile edge computing in dense networks ［C］// Proceedings of the 2018 IEEE Conference on Computer Communications. Piscataway： IEEE， 2018： 207-215. 10.1109/infocom.2018.8485977
21	SUN S S， JIANG W， FENG G， et al. Cooperative caching with content popularity prediction for mobile edge caching［J］. Tehnički Vjesnik， 2019， 26（2）： 503-509. 10.17559/tv-20190303092125
22	MAHMOOD A， CASETTI C， CHIASSERINI C F， et al. Mobility-aware edge caching for connected cars ［C］// Proceedings of the 12th Annual Conference on Wireless On-demand Network Systems and Services. Piscataway： IEEE， 2016： 1-8.
23	SAPUTRA Y M， HOANG D T， NGUYEN D N， et al. A novel mobile edge network architecture with joint caching-delivering and horizontal cooperation［J］. IEEE Transactions on Mobile Computing， 2021， 20（1）： 19-31. 10.1109/tmc.2019.2938510
24	BILAL K， BACCOUR E， ERBAD A， et al. Collaborative joint caching and transcoding in mobile edge networks［J］. Journal of Network and Computer Applications， 2019， 136： 86-99. 10.1016/j.jnca.2019.02.004
25	WANG Y T， ZHANG Y， SHENG M， et al. On the interaction of video caching and retrieving in multi-server mobile-edge computing systems［J］. IEEE Wireless Communication Letters， 2019， 8（5）： 1444-1447. 10.1109/lwc.2019.2921759
26	杨静，武佳，李红霞.用户属性感知的移动社交网络边缘缓存机制［J］.工程科学学报， 2020， 42（7）： 930-938.
	YANG J， WU J， LI H X. User-aware edge-caching mechanism for mobile social network［J］. Chinese Journal of Engineering， 2020， 42（7）： 930-938.
27	LI C L， SONG M Y， YU C C， et al. Mobility and marginal gain based content caching and placement for cooperative edge-cloud computing［J］. Information Sciences， 2021， 548： 153-176. 10.1016/j.ins.2020.09.016
28	UGWUANYI E E， IQBAL M， DAGIUKLAS T. A novel Predictive-Collaborative-Replacement （PCR） intelligent caching scheme for multi-access edge computing［J］. IEEE Access， 2021， 9： 37103-37115. 10.1109/access.2021.3058769
29	LI C L， ZHANG J. Dynamic cooperative caching strategy for delay-sensitive applications in edge computing environment［J］. The Journal of Supercomputing， 2020， 76（10）： 7594-7618. 10.1007/s11227-020-03191-4
30	WU H， LUO Y L， LI C L. Optimization of heat-based cache replacement in edge computing system［J］. The Journal of Supercomputing， 2021， 77（3）： 2268-2301. 10.1007/s11227-020-03356-1
31	JIANG W， FENG G， QIN S， et al. Multi-agent reinforcement learning based cooperative content caching for mobile edge networks［J］. IEEE Access， 2019， 7： 61856-61867. 10.1109/access.2019.2916314
32	JIANG W， FENG G， QIN S， et al. Learning-based cooperative content caching policy for mobile edge computing ［C］// Proceedings of the 2019 IEEE International Conference on Communications. Piscataway： IEEE， 2019： 1-6. 10.1109/icc.2019.8761121
33	CHEN Y， CHEN S， CHEN X. Efficient caching strategy in wireless networks with mobile edge computing［J］. Peer-to-Peer Networking and Applications， 2020， 13（5）： 1756-1766. 10.1007/s12083-020-00874-w
34	GHARAIBEH A， KHREISHAH A， JI B， et al. A provably efficient online collaborative caching algorithm for multicell-coordinated systems［J］. IEEE Transactions on Mobile Computing， 2016， 15（8）： 1863-1876. 10.1109/tmc.2015.2474364
35	XIAO K L， GAO Z P， WANG Q， et al. A heuristic algorithm based on resource requirements forecasting for server placement in edge computing ［C］// Proceedings of the 2018 IEEE/ACM Symposium on Edge Computing. Piscataway： IEEE， 2018： 354-355. 10.1109/sec.2018.00043
36	ALI A S， MAHMOUD K R， NAGUIB K M. Optimal caching policy for wireless content delivery in D2D networks［J］. Journal of Network and Computer Applications， 2020， 150： No.102467. 10.1016/j.jnca.2019.102467
37	QUER G， PAPPALARDO I， RAO B D， et al. Proactive caching strategies in heterogeneous networks with device-to-device communications［J］. IEEE Transactions on Wireless Communications， 2018， 17（8）： 5270-5281. 10.1109/twc.2018.2840976
38	李方伟，张海波，王子心.车联网中基于MEC的V2X协同缓存和资源分配［J］.通信学报， 2021， 42（2）： 26-36.
	LI F W， ZHANG H B， WANG Z X. V2X collaborative caching and resource allocation in MEC-based IoV［J］. Journal on Communications， 2021， 42（2）： 26-36.
39	WANG H， WANG Y， SUN R J， et al. Joint video caching and user association with mobile edge computing ［C］// Proceedings of the 2019 IEEE Wireless Communications and Networking Conference Workshop. Piscataway： IEEE， 2019： 1-6. 10.1109/wcncw.2019.8902591
40	NAKAYAMA H， FADLULLAH Z M， ANSARI N， et al. A novel scheme for WSAN sink mobility based on clustering and set packing techniques［J］. IEEE Transactions on Automatic Control， 2011， 56（10）： 2381-2389. 10.1109/tac.2011.2163872
41	郝义学. 5G网络移动边缘缓存与计算研究［D］.武汉：华中科技大学， 2017： 11-27.
	HAO Y X. Mobile edge caching and computing in 5G network［D］. Wuhan： Huazhong University of Science and Technology， 2017： 11-27.
42	CHEN M， HAO Y X， HU L， et al. Green and mobility-aware caching in 5G networks［J］. IEEE Transactions on Wireless Communications， 2017， 16（12）： 8347-8361. 10.1109/twc.2017.2760830
43	AHLEHAGH H， DEY S. Video-aware scheduling and caching in the radio access network［J］. IEEE/ACM Transactions on Networking， 2014， 22（5）： 1444-1462. 10.1109/tnet.2013.2294111
44	WANG R， ZHANG J， SONG S H， et al. Mobility-aware caching in D2D networks［J］. IEEE Transactions on Wireless Communications， 2017， 16（8）： 5001-5015. 10.1109/twc.2017.2705038
45	POULARAKIS K， TASSIULAS L. Code， cache and deliver on the move： a novel caching paradigm in hyper-dense small-cell networks［J］. IEEE Transactions on Mobile Computing， 2017， 16（3）： 675-687. 10.1109/tmc.2016.2575837
46	YANG K， YU Q， LENG S P， et al. Data and energy integrated communication networks for wireless big data［J］. IEEE Access， 2016， 4： 713-723. 10.1109/access.2016.2526622
47	JIANG W， FENG G， QIN S. Optimal cooperative content caching and delivery policy for heterogeneous cellular networks［J］. IEEE Transactions on Mobile Computing， 2017， 16（5）： 1382-1393. 10.1109/tmc.2016.2597851
48	POULARAKIS K， IOSIFIDIS G， TASSIULAS L. Approximation algorithms for mobile data caching in small cell networks［J］. IEEE Transactions on Communications， 2014， 62（10）： 3665-3677. 10.1109/tcomm.2014.2351796
49	SHANMUGAM K， GOLREZAEI N， DIMAKIS A G， et al. FemtoCaching： wireless video content delivery through distributed， caching helpers［J］. IEEE Transactions on Information Theory， 2013， 59（12）： 8402-8413. 10.1109/tit.2013.2281606
50	KANG H J， PARK K Y， CHO K， et al. Mobile caching policies for Device-to-Device （D2D） content delivery networking ［C］// Proceedings of the 2014 IEEE Conference on Computer Communications Workshops. Piscataway： IEEE， 2014： 299-304. 10.1109/infcomw.2014.6849248
51	LEE M C， MOLISCH A F. Caching policy and cooperation distance design for base station assisted wireless D2D caching networks： throughput and energy efficiency optimization and tradeoff［J］. IEEE Transactions on Wireless Communications， 2018， 17（11）： 7500-7514. 10.1109/twc.2018.2867596
52	YE Q， LI J L， QU K G， et al. End-to-end quality of service in 5G networks： examining the effectiveness of a network slicing framework［J］. IEEE Vehicular Technology Magazine， 2018， 13（2）： 65-74. 10.1109/mvt.2018.2809473
53	CHEN Y， ZHANG N， ZHANG Y C， et al. Dynamic computation offloading in edge computing for Internet of Things［J］. IEEE Internet of Things Journal， 2019， 6（3）： 4242-4251. 10.1109/jiot.2018.2875715
54	XIAO L， WAN X Y， DAI C H， et al. Security in mobile edge caching with reinforcement learning［J］. IEEE Wireless Communications， 2018， 25（3）： 116-122. 10.1109/mwc.2018.1700291
55	WU J， DONG M X， OTA K， et al. FCSS： fog-computing-based content-aware filtering for security services in information-centric social networks［J］. IEEE Transactions on Emerging Topics in Computing， 2019， 7（4）： 553-564. 10.1109/tetc.2017.2747158
56	TIBURSKI R T， MORATELLI C R， JOHANN S F， et al. Lightweight security architecture based on embedded virtualization and trust mechanisms for IoT edge devices［J］. IEEE Communications Magazine， 2019， 57（2）： 67-73. 10.1109/mcom.2018.1701047
57	XU Q C， SU Z， YANG Q. Blockchain-based trustworthy edge caching scheme for mobile cyber-physical system［J］. IEEE Internet of Things Journal， 2020， 7（2）： 1098-1110. 10.1109/jiot.2019.2951007
58	DAI Y Y， XU D， ZHANG K， et al. Deep reinforcement learning and permissioned blockchain for content caching in vehicular edge computing and networks［J］. IEEE Transactions on Vehicular Technology， 2020， 69（4）： 4312-4324. 10.1109/tvt.2020.2973705
59	SUN W， LI S， ZHANG Y. Edge caching in blockchain empowered 6G［J］. China Communications， 2021， 18（1）： 1-17. 10.23919/jcc.2021.01.001
60	ZHANG R， YU F R， LIU J. Deep Reinforcement Learning （DRL） -based Device-to-Device （D2D） caching with blockchain and mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2020， 19（10）： 6469-6485. 10.1109/twc.2020.3003454
61	陈正勇，杨崇旭，姚振，等.深度学习框架下的移动感知预缓存策略［J］.小型微型计算机系统， 2019， 40（5）： 913-917. 10.3969/j.issn.1000-1220.2019.05.001
	CHEN Z Y， YANG C X， YAO Z， et al. Mobility-aware precaching in small cell network with deep learning framework［J］. Journal of Chinese Computer Systems， 2019， 40（5）： 913-917. 10.3969/j.issn.1000-1220.2019.05.001
62	TANG Y Y， GUO K H， MA J H， et al. A smart caching mechanism for mobile multimedia in information centric networking with edge computing［J］. Future Generation Computer Systems， 2019， 91： 590-600. 10.1016/j.future.2018.08.019
63	杨崇旭，陈正勇，杨坚.一种离散分布的移动感知缓存策略［J］.小型微型计算机系统， 2018， 39（11）： 2369-2374. 10.3969/j.issn.1000-1220.2018.11.004
	YANG C X， CHEN Z Y， YANG J. Distributed mobility-aware caching strategy for small cell［J］. Journal of Chinese Computer Systems， 2018， 39（11）： 2369-2374. 10.3969/j.issn.1000-1220.2018.11.004
64	宁兆龙，张凯源，王树鹏，等.基于多智能体元强化学习的车联网协同服务缓存和计算卸载［J］.通信学报， 2021， 42（6）： 118-130.
	NING Z L， ZHANG K Y， WANG S P， et al. Cooperative service caching and peer offloading in Internet of vehicles based on multi-agent meta-reinforcement learning［J］. Journal on Communications， 2021， 42（6）： 118-130.
65	WANG R Y， KAN Z W， CUI Y P， et al. Cooperative caching strategy with content request prediction in Internet of Vehicles［J］. IEEE Internet of Things Journal， 2021， 8（11）： 8964-8975. 10.1109/jiot.2021.3056084
66	LIU Y， MA Z， YAN Z， et al. Privacy-preserving federated k-means for proactive caching in next generation cellular networks［J］. Information Sciences， 2020， 521： 14-31. 10.1016/j.ins.2020.02.042
67	YU Z X， HU J， MIN G Y， et al. Federated learning based proactive content caching in edge computing ［C］// Proceedings of the 2018 IEEE Global Communications Conference. Piscataway： IEEE， 2018： 1-6. 10.1109/glocom.2018.8647616
68	LU Y L， HUANG X H， DAI Y Y， et al. Differentially private asynchronous federated learning for mobile edge computing in urban informatics［J］. IEEE Transactions on Industrial Informatics， 2019， 16（3）： 2134-2143. 10.1109/tii.2019.2942179
69	HAO M， LI H W， XU G W， et al. Towards efficient and privacy-preserving federated deep learning ［C］// Proceedings of the 2019 IEEE International Conference on Communications. Piscataway： IEEE， 2019： 1-6. 10.1109/icc.2019.8761267

[1]	罗飞, 白梦伟. 基于强化学习的交通情景问题决策优化[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2361-2368.
[2]	章振宇, 谭国平, 周思源. 基于1‑bit压缩感知的高效无线联邦学习算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1675-1682.
[3]	邓世权, 叶绪国. 基于深度Q网络的多目标任务卸载算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1668-1674.
[4]	赵海妮, 焦健. 基于强化学习的渗透路径推荐模型[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1689-1694.
[5]	袁景凌, 毛慧华, 王娜娜, 向尧. 移动边缘计算中资源受限的动态服务部署策略[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1662-1667.
[6]	谭庆, 李辉, 吴昊霖, 王壮, 邓书超. 基于奖励预测误差的内在好奇心方法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1822-1828.
[7]	邓绍斌, 朱军, 周晓锋, 李帅, 刘舒锐. 基于局部策略交互探索的深度确定性策略梯度的工业过程控制方法[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1642-1648.
[8]	李余, 何希平, 唐亮贵. 基于终端直通通信的多用户计算卸载资源优化决策[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1538-1546.
[9]	刘晶, 董志红, 张喆语, 孙志刚, 季海鹏. 基于联邦增量学习的工业物联网数据共享方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1235-1243.
[10]	曾续玲, 李陶深, 巩健, 杜利俊. 无线供能移动边缘计算系统的安全卸载优化[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1216-1224.
[11]	陈浩杰, 范江亭, 刘勇. 深度强化学习解决动态旅行商问题[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1194-1200.
[12]	罗长银, 王君宇, 陈学斌, 马春地, 张淑芬. 改进的联邦加权平均算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1131-1136.
[13]	李学明, 吴国豪, 周尚波, 林晓然, 谢洪斌. 基于分数阶网络和强化学习的图像实例分割模型[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 574-583.
[14]	邱鑫源, 叶泽聪, 崔翛龙, 高志强. 联邦学习通信开销研究综述[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 333-342.
[15]	曾柏森, 钟勇, 牛宪华. 基于因子分解机用于安全探索的Q表初始化方法[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 209-214.

面向5G/Beyond 5G的移动边缘缓存优化技术综述

Review of mobile edge caching optimization technologies for 5G/Beyond 5G

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 69

相关文章 15

编辑推荐

Metrics