摘要 | 第5-7页 |
abstract | 第7-8页 |
第一章 绪论 | 第16-27页 |
1.1 研究背景和意义 | 第16-20页 |
1.1.1 研究背景 | 第16-18页 |
1.1.2 研究意义 | 第18-20页 |
1.2 国内外研究现状 | 第20-24页 |
1.2.1 CDN/ICN网络中的内容缓存与分发 | 第20-21页 |
1.2.2 异构蜂窝网络中的内容缓存与分发 | 第21-22页 |
1.2.3 D2D网络中的内容缓存与分发 | 第22-23页 |
1.2.4 基于移动云计算和大数据技术的内容缓存与分发 | 第23-24页 |
1.3 主要研究内容及贡献 | 第24-25页 |
1.4 结构和章节安排 | 第25-27页 |
第二章 移动边缘计算(MEC)架构中的内容缓存与分发 | 第27-38页 |
2.1 移动边缘计算技术 | 第27-32页 |
2.1.1 MEC概述 | 第27-29页 |
2.1.2 MEC架构 | 第29-31页 |
2.1.3 MEC部署方案及应用场景 | 第31-32页 |
2.2 移动通信网络中的内容缓存和分发技术 | 第32-35页 |
2.2.1 面向5G的内容缓存与分发关键技术 | 第32-34页 |
2.2.1.1 异构蜂窝网络中的缓存 | 第32-33页 |
2.2.1.2 信息中心网络中的缓存 | 第33-34页 |
2.2.1.3 D2D网络中的缓存 | 第34页 |
2.2.2 移动网络边缘中的内容缓存与分发方式 | 第34-35页 |
2.2.2.1 内容缓存方式 | 第34-35页 |
2.2.2.2 内容分发方式 | 第35页 |
2.3 基于移动边缘计算(MEC)的内容缓存技术 | 第35-37页 |
2.4 本章小结 | 第37-38页 |
第三章 MEC架构中基于迁移学习的协作式内容缓存机制 | 第38-61页 |
3.1 引言 | 第38-39页 |
3.2 基于MEC架构的内容缓存系统建模 | 第39-43页 |
3.2.1 网络模型 | 第39-41页 |
3.2.2 问题描述 | 第41-42页 |
3.2.3 问题的NP性讨论 | 第42-43页 |
3.3 问题求解 | 第43-51页 |
3.3.1 基于迁移学习的内容流行度预测 | 第43-49页 |
3.3.1.1 基于K-means聚类算法的内容归类 | 第44-47页 |
3.3.1.2 基于TL的内容流行度预测模型 | 第47-49页 |
3.3.2 基于贪心算法的内容缓存策略 | 第49-51页 |
3.3.2.1 算法概述 | 第49页 |
3.3.2.2 度量标准 | 第49-50页 |
3.3.2.3 算法设计 | 第50-51页 |
3.4 仿真验证与性能评估 | 第51-60页 |
3.4.1 性能指标 | 第51-52页 |
3.4.2 仿真结果与分析 | 第52-60页 |
3.5 本章小结 | 第60-61页 |
第四章 基于用户移动性感知的MEC与D2D协同缓存机制 | 第61-87页 |
4.1 引言 | 第61页 |
4.2 系统模型 | 第61-63页 |
4.3 问题描述 | 第63-69页 |
4.3.1 信道模型 | 第63-64页 |
4.3.2 内容流行度模型 | 第64页 |
4.3.3 用户移动性模型 | 第64-66页 |
4.3.4 问题定义 | 第66-67页 |
4.3.5 问题分析与简化 | 第67-69页 |
4.4 基于混合遗传模拟退火算法的方案设计 | 第69-75页 |
4.4.1 染色体编码 | 第69-72页 |
4.4.2 接受概率 | 第72-73页 |
4.4.3 适应度计算 | 第73页 |
4.4.4 选择复制 | 第73-74页 |
4.4.5 初始参数的选择和停止原则 | 第74-75页 |
4.4.6 算法设计 | 第75页 |
4.5 仿真验证与性能评估 | 第75-85页 |
4.5.1 仿真参数设置 | 第76-77页 |
4.5.2 性能指标 | 第77页 |
4.5.3 仿真结果分析 | 第77-85页 |
4.6 本章小结 | 第85-87页 |
第五章 总结与展望 | 第87-89页 |
5.1 全文总结 | 第87-88页 |
5.2 未来展望 | 第88-89页 |
致谢 | 第89-90页 |
参考文献 | 第90-97页 |
个人简历 | 第97-98页 |
攻读硕士期间的科研项目和成果 | 第98页 |