[论文解读] Mobility-Aware Caching in D2D Networks

Rui Wang, Jun Zhang+2 more|arXiv (Cornell University)|Jun 16, 2016

Caching and Content Delivery参考文献 44被引用 3

一句话总结

本文提出了一种在设备到设备（D2D）网络中考虑移动性的缓存策略，利用用户之间的交互间隔时间以通过D2D链路最大化数据卸载。该方法将缓存放置问题建模为在拟序约束下的单调亚模函数最大化问题，从而支持具有1/2近似比的贪心算法，并通过真实世界轨迹验证了移动性模式对最优缓存决策的显著影响。

ABSTRACT

Caching at mobile devices can facilitate device-to-device (D2D) communications, which may significantly improve spectrum efficiency and alleviate the heavy burden on backhaul links. However, most previous works ignored user mobility, thus having limited practical applications. In this paper, we take advantage of the user mobility pattern by the inter-contact times between different users, and propose a mobility-aware caching placement strategy to maximize the data offloading ratio, which is defined as the percentage of the requested data that can be delivered via D2D links rather than through base stations (BSs). Given the NP-hard caching placement problem, we first propose an optimal dynamic programming (DP) algorithm to obtain a performance benchmark, but with much lower complexity than exhaustive search. We will then prove that the problem falls in the category of monotone submodular maximization over a matroid constraint, and propose a time-efficient greedy algorithm, which achieves an approximation ratio as 1/2. Simulation results with real-life data-sets will validate the effectiveness of our proposed mobility-aware caching placement strategy. We observe that users moving at either a very low or very high speed should cache the most popular files, while users moving at a medium speed should cache less popular files to avoid duplication.

研究动机与目标

• 解决先前D2D缓存方案忽略用户移动性所带来的局限性，从而提升实际适用性。
• 最大化数据卸载比——即通过D2D链路而非基站传输的请求数据所占比例。
• 设计一种利用移动性模式（特别是交互间隔时间）的缓存放置策略，以提升卸载性能。
• 将缓存问题建模为在拟序约束下的单调亚模函数最大化问题，以支持高效计算。
• 提供一个最优动态规划基准方案，以及一个具有理论近似保证的计算高效贪心算法。

提出的方法

• 使用设备之间的交互间隔时间建模用户移动性，以估计接触频率和持续时间，从而影响缓存效用。
• 将缓存放置问题建模为在拟序约束下最大化单调亚模函数，以捕捉存储和接触约束。
• 提出一种动态规划（DP）算法，以比穷举搜索更低的复杂度计算最优缓存放置。
• 设计一种贪心算法，实现对最优解的1/2近似比，确保在计算成本较低的情况下获得接近最优的性能。
• 推导出在设备缓存某文件的边际增益的闭式表达式，结合概率接触模型和文件传输限制。
• 采用概率模型计算基于接触持续时间、传输速率和缓存容量的D2D链路成功交付文件的期望数量。

实验结果

研究问题

• RQ1 用户移动性（特别是交互间隔时间模式）如何影响移动网络中D2D缓存的性能？
• RQ2 一种利用移动性模式的缓存策略是否能显著优于静态或随机缓存策略，从而提升数据卸载性能？
• RQ3 在现实移动性约束下，最大化卸载比的最优缓存放置策略是什么？
• RQ4 能否将缓存问题建模为在拟序约束下的单调亚模函数最大化问题，以支持高效的近似算法？
• RQ5 所提出的贪心算法在近似比和计算复杂度方面与最优解相比表现如何？

主要发现

• 所提出的移动性感知缓存策略显著优于忽略移动性的传统缓存方案，大幅提升了数据卸载性能。
• 以极低或极高速度移动的用户应缓存最热门的文件，而中等速度移动的用户则应缓存较不热门的文件，以最小化冗余缓存。
• 贪心算法实现了理论上的1/2近似比，提供了强大的性能保证，且计算成本极低。
• 动态规划算法在远低于穷举搜索复杂度的前提下提供性能基准，使其适用于中等规模网络。
• 使用真实生活移动性轨迹的仿真结果证实，移动性感知缓存策略在卸载增益方面优于随机缓存和非移动性感知方案。
• 在设备缓存某文件的边际增益取决于接触概率和传输容量，且随着缓存占用率的增加而递减。