[论文解读] Optimal Dynamic Multicast Scheduling for Cache-Enabled Content-Centric Wireless Networks

Bo Zhou, Ying Cui+1 more|arXiv (Cornell University)|Apr 17, 2015

Caching and Content Delivery参考文献 28被引用 5

一句话总结

该论文提出了一种缓存增强型内容中心无线网络中的最优动态多播调度框架，将问题建模为马尔可夫决策过程，以联合最小化时延、能耗和获取成本。推导了最优策略的结构性质——在均匀信道下呈现切换结构，在非均匀信道下呈现部分切换结构——并基于这些洞察设计了低复杂度的最优与次优算法。

ABSTRACT

Caching and multicasting at base stations are two promising approaches to support massive content delivery over wireless networks. However, existing scheduling designs do not make full use of the advantages of the two approaches. In this paper, we consider the optimal dynamic multicast scheduling to jointly minimize the average delay, power, and fetching costs for cache-enabled content-centric wireless networks. We formulate this stochastic optimization problem as an infinite horizon average cost Markov decision process (MDP). It is well-known to be a difficult problem due to the curse of dimensionality, and there generally only exist numerical solutions. By using relative value iteration algorithm and the special structures of the request queue dynamics, we analyze the properties of the value function and the state-action cost function of the MDP for both the uniform and nonuniform channel cases. Based on these properties, we show that the optimal policy, which is adaptive to the request queue state, has a switch structure in the uniform case and a partial switch structure in the nonuniform case. Moreover, in the uniform case with two contents, we show that the switch curve is monotonically non-decreasing. Then, by exploiting these structural properties of the optimal policy, we propose two low-complexity optimal algorithms. Motivated by the switch structures of the optimal policy, to further reduce the complexity, we also propose a low-complexity suboptimal policy, which possesses similar structural properties to the optimal policy, and develop a low-complexity algorithm to compute this policy.

研究动机与目标

• 解决缓存增强型内容中心无线网络中联合最小化平均时延、能耗和获取成本的挑战。
• 将动态多播调度问题建模为无限时域平均成本马尔可夫决策过程（MDP），以捕捉请求的随机动态特性。
• 在均匀与非均匀信道条件下，表征最优策略的结构性质，以实现高效计算。
• 通过利用最优策略所推导出的结构性质，设计低复杂度的最优与次优算法。
• 为未来缓存与多播调度的联合双时隙设计提供理论基础。

提出的方法

• 将系统建模为连续时间马尔可夫决策过程（MDP），其中状态由每种内容和用户的请求队列定义。
• 应用相对值迭代算法（RVIA）分析值函数与状态-动作成本函数，利用请求队列动态的特殊结构。
• 证明在均匀信道情况下，最优策略表现出切换结构；在非均匀情况下，表现出部分切换结构。
• 对于包含两种内容的均匀情况，证明切换曲线在队列状态上单调非减。
• 基于最优策略的结构性质，设计两种低复杂度的最优算法。
• 提出一种具有类似结构性质的低复杂度次优策略，并设计相应的高效计算算法。

实验结果

研究问题

• RQ1 在缓存增强型内容中心无线网络中，联合最小化时延、能耗和获取成本的最优动态多播调度策略是什么？
• RQ2 在均匀与非均匀信道条件下，最优策略的结构如何变化？
• RQ3 能否利用最优策略的结构性质设计出不牺牲最优性的低复杂度算法？
• RQ4 在包含两种内容的均匀情况下，最优策略中切换曲线的单调性行为如何？
• RQ5 在异构用户信道条件下，如何充分利用无线信道的固有广播特性进行多播调度？

主要发现

• 在均匀信道情况下，最优策略具有切换结构，即是否对特定内容进行多播的决策取决于请求队列状态的阈值。
• 在非均匀信道情况下，最优策略表现出部分切换结构，反映了用户特定信道质量对调度决策的影响。
• 对于包含两种内容的均匀情况，切换曲线相对于队列状态单调非减，确保策略行为的可预测性。
• 证明了值函数与状态-动作成本函数在队列大小上单调，从而可通过相对值迭代实现结构性分析。
• 基于结构性质开发了低复杂度最优算法，与暴力求解MDP相比显著降低了计算开销。
• 提出了一种具有类似结构性质的次优策略，实现了进一步的复杂度降低，同时保持了接近最优的性能。