[论文解读] Uncoded Placement Optimization for Coded Delivery

Sian Jin, Ying Cui+2 more|arXiv (Cornell University)|Sep 19, 2017

Caching and Content Delivery参考文献 22被引用 4

一句话总结

该论文提出了一种新颖的集中式编码缓存方案，通过优化非编码内容放置，在任意文件流行度分布和低子分块化水平下最小化平均传输负载。通过在约束条件下将问题建模为线性规划或DC规划，该方案在均匀流行度下实现最优性能，并在分布倾斜时获得高效解且子分块化水平更低，优于先前方案在负载和可扩展性方面的表现。

ABSTRACT

We consider the classical coded caching problem as defined by Maddah-Ali and Niesen, where a server with a library of $N$ files of equal size is connected to $K$ users via a shared error-free link. Each user is equipped with a cache with capacity of $M$ files. The goal is to design a static content placement and delivery scheme such that the average load over the shared link is minimized. We first present a class of centralized coded caching schemes consisting of a general content placement strategy specified by a file partition parameter, enabling efficient and flexible content placement, and a specific content delivery strategy, enabling load reduction by exploiting common requests of different users. For the proposed class of schemes, we consider two cases for the optimization of the file partition parameter, depending on whether a large subpacketization level is allowed or not. In the case of an unrestricted subpacketization level, we formulate the coded caching optimization in order to minimize the average load under an arbitrary file popularity. A direct formulation of the problem involves $N2^K$ variables. By imposing some additional conditions, the problem is reduced to a linear program with $N(K+1)$ variables under an arbitrary file popularity and with $K+1$ variables under the uniform file popularity. We can recover Yu {\em et al.}'s optimal scheme for the uniform file popularity as an optimal solution of our problem. When a low subpacketization level is desired, we introduce a subpacketization level constraint involving the $\ell_0$ norm for each file. Again, by imposing the same additional conditions, we can simplify the problem to a difference of two convex functions (DC) problem with $N(K+1)$ variables that can be efficiently solved.

研究动机与目标

• 解决现有编码缓存方案在非均匀文件流行度和高子分块化水平下无法优化的局限性。
• 在具有K名用户、N个文件和缓存大小M的集中式编码缓存系统中，最小化共享链路上的平均传输负载。
• 设计一种灵活的内容放置策略，可适应任意文件流行度分布，同时保持低子分块化水平。
• 通过数学重构，提供一个统一的优化框架，同时处理无限制和低子分块化水平两种情形。
• 在均匀流行度下实现信息论最优性，在分布倾斜时实现近似最优性能。

提出的方法

• 提出一种通用的内容放置策略，通过文件划分变量参数化，实现基于文件流行度的灵活分配。
• 引入一种特定的编码传输策略，利用用户间的共同请求以减少多播负载。
• 将原始的NP难问题（含$ N2^K $个变量）在任意流行度下简化为含$ N(K+1) $个变量的线性规划，在均匀流行度下简化为含$ K+1 $个变量的线性规划。
• 在低子分块化水平下，对文件子分块化水平施加$ \ell_0 $-范数约束，将问题转化为凸函数之差（DC）规划问题。
• 通过矩阵$ U_n $的变量变换，将子分块化约束映射为与DC规划框架兼容的形式。
• 应用Karush-Kuhn-Tucker（KKT）条件，证明在重构约束下解的最优性。

实验结果

研究问题

• RQ1 能否设计一种编码缓存方案，同时优化非均匀文件流行度和低子分块化水平？
• RQ2 在任意文件流行度分布下，最小化平均传输负载的最优内容放置策略是什么？
• RQ3 如何在不牺牲传输负载性能的前提下降低现有方案的高子分块化水平？
• RQ4 是否存在一种数学公式化方法，可在无限制和低子分块化约束下高效优化编码缓存？
• RQ5 所提出的方案能否恢复或推广已知最优方案，例如Yu等人针对均匀流行度提出的方案？

主要发现

• 在均匀文件流行度下，所提方案的平均负载与Yu等人提出的最优方案相同，证实了其在该情况下的最优性。
• 在任意流行度下，问题简化为含$ N(K+1) $个变量的线性规划，支持高效优化。
• 在低子分块化水平下，问题转化为含$ N(K+1) $个变量的DC规划，可通过高效算法求解。
• 通过变量变换和矩阵变换，对子分块化水平的$ \ell_0 $-范数约束进行了重构，使优化过程可处理。
• 所提解满足KKT条件，证明其在推导约束下的最优性。
• 该框架通过引入流行度感知的内容放置和子分块化控制，推广了先前方案，在分布倾斜时显著提升了平均负载性能。