22872

بهينه سازي مقاوم كَش محتوا در لبه ي شبكه هاي بي سيم

كارشناسي ارشد

شبكه‌هاي كامپيوتري

1399-1400

1399/8/7

دكتر وصال حكمي

دكتر الهه واعظ پور

مهندسي كامپيوتر

شبكه¬ي سلولي بي¬سيم نسل ششم به عنوان تحولي بي¬نظير در مقايسه با نسل¬هاي قبلي سيستم¬هاي ارتباطي بي¬سيم تصور شده است. به دليل كمبود منابع راديويي و ظرفيت محدود پيوند بك¬هال، دسترسي همه¬ي مشتركان به داده¬هاي مورد نظرشان از شبكه¬هاي ابر راه دور به طور فزاينده¬اي غيرممكن است. براي پاسخگويي به اين چالش¬هاي بي¬سابقه، كَش در لبه¬ي شبكه به عنوان يك راه¬حل اميدوار¬كننده شناخته شده است. كَش كردن محتوا باعث افزايش گذردهي شبكه (هم در شبكه¬هاي دستگاه-به-دستگاه و هم ايستگاه-هاي پايه سلولي) مي¬شود. در بسياري از مطالعات انجام شده در زمينه¬ي كَش محتوا فرض شده است كه اطلاعات (مثلا: اطلاعات وضعيت كانال ، محبوبيت محتوا، جابجايي كاربران و غيره) كامل در دسترس مي¬باشد. در عمل به دليل شرايط پويا و ماهيت تصادفي كانال¬هاي بي¬سيم و پارامترهاي ديگر، اطلاعات بدست آمده داراي عدم¬قطعيت مي¬باشند. براي مواجهه با چالش عدم¬قطعيت، يك رويكرد مؤثر، بكارگيري تكنيك¬هاي بهينه¬سازي مقاوم در ارتباطات بي¬سيم بوده است. در بهينه¬سازي مقاوم، هدف، اخذ يك تصميم امكان¬پذير و بهينه براي بهينه-سازي تابع هدف در بدترين حالت است. در اين روش، احتمال نقض قيدها را در نظر گرفته و به دنبال جواب بهينه مي¬گردد. ما در اين پايان¬نامه عدم¬قطعيت را در محبوبيت اندازه¬گيري پيام¬ها در نظر گرفته¬ايم. با توجه به اينكه محتواهاي محبوب اندازه¬گيري مي¬شوند، اين اندازه¬گيري با توجه به عدم¬قطعيتي كه داريم ممكن است داراي خطايي باشد. اندك ¬كارهايي كه عدم¬قطعيت را درنظر گرفته¬اند محافظه¬كار¬ترين روش بهينه¬سازي مقاوم را استفاده كرده¬اند. ولي روش ما استفاده از روش Bertsimas and Sim است. به اين صورت كه با حفظ ساختار خطي مسئله، توسط اپراتور شبكه تعيين مي¬شود كه چه مقدار از اندازه¬گيري¬ها غير¬واقعي هستند. در واقع محافظه¬كاري كمتري در مورد عدم¬قطعيت دارد ولي جواب نيز به جواب بهينه نزديكتر است. در ادامه روش مقاوم را در سناريوهاي مختلف يعني تأثير در افزايش و كاهش در پارامترهايي مانند گاما كه وظيفه¬ي محافظه¬كاري در مقابل عدم¬قطعيت را دارد و همچنين مقدار محبوبيت، مقدار انحراف، توپولوژي شبكه و غيره مورد بررسي قرار مي¬دهيم. با افزايش گاما مقدار تابع هدف حدود 8 درصد كاهش مي¬يابد. در مورد محبوبيت پيام با افزايش مقدار محبوبيت مقدار تابع هدف نيز بسته به مقدار محبوبيت افزايش مي¬يابد. با افزايش مقدار انحراف تابع هدف حدود 4 درصد كاهش مي¬يابد و نيز بسته به افزايش تعداد دستگاه¬ها مقدار تابع هدف افزايش مي¬يابد. در آخر نيز نشان خواهيم داد كه اگر ما از قبل پيش¬بيني براي انحراف داشته باشيم، در نهايت در زمان اجراي شبكه، مقدار واقعي تابع هدف مساوي يا حتي در مواردي حدود 3.33 درصد افزايش خواهد داشت.

1399/10/01

Robust Optimization of Content Caching at the Wireless Network Edge

10/28/2020 12:00:00 AM

The sixth generation wireless cellular network is considered to be a unique development compared to previous generations of wireless communication systems. Due to the lack of radio resources and the limited capacity of the backhaul links, it is increasingly impossible for all subscribers to access the data they want from remote cloud networks. To meet these unprecedented challenges, network edge caching has been identified as a promising solution. Caching of content on wireless devices in conjunction with device-to-device (D2D) communications allows to exploit this property, and provide a network throughput that is significantly in excess of both the conventional approach of unicasting from cellular base stations and the traditional D2D networks for regular data traffic. Many content caching studies have assumed that information is fully accessible (For example: channel state information, the popularity of the content, the movement of users, the entry and exit of users, the rate of demand for receiving content, etc). In practice, due to the dynamic conditions and random nature of wireless channels and other parameters, the information obtained are uncertain. To face the challenge of uncertainty, an effective approach is to use robust optimization techniques in wireless communication. In robust optimization, the goal is to make a decision that is feasible no matter what the constraints turn out to be, and optimal for the worst-case objective function. In this thesis, we have considered the uncertainty in the popularity of contents. Given that popular content is measured, this measurement may be erroneous due to the uncertainty and we have to actually pay attention to this amount of error. Few jobs that have considered uncertainty have used the most conservative method of robust optimization. But our method is to use the Bertsimas and Sim method. In this way, the measured popular content has only a certain number (gamma) of uncertainty and the rest of their value is definite. For those whose value is not definite, we consider the worst case. In the following, we examine the robust method in different scenarios, ie the effect of increasing and decreasing in parameters such as gamma, popularity, deviation, network topology, and so on. As the gamma increases, the value of the objective function decreases by about 8%. In the case of message popularity, as the amount of popularity increases, the value of the target function also increases depending on the amount of popularity. By increasing the amount of deviation of the target function decreases by about 4% and also depending on the number of devices, the amount of the objective function increases. Finally, we will show that if we anticipate a deviation, eventually the actual value of the objective function will increase by an equal amount, or even in some cases by about 3.33%, during network execution.