[发明专利]超密集网络中基于聚类的缓存配置方法及装置

权利要求书

1.一种超密集网络中基于聚类的缓存配置方法，其特征在于，包括如下步骤：

(1)以M×N的矩阵表示所有小基站的缓存配置策略，以M×K的矩阵表示小基站是否可以服务用户，在保证缓存在小基站的文件不会超过小基站缓存容量的约束条件下，以最大化由小基站服务的用户数为目标，建立缓存配置策略优化问题；其中M为小基站总数目，N为一段时间内所有用户请求的文件总数目，K为超密集网络中移动用户总数目；

(2)基于用户偏好及用户位置对用户进行聚类，并根据聚类结果对小基站进行分组，分组后小基站只能服务同类内用户，而不能服务其他类内用户；

(3)根据聚类结果，将原始优化问题分解为C个子问题，其中C为用户分类后的类别总数，所述子问题的优化目标为最大化由各自类别中小基站服务的用户数；

(4)采用贪心缓存算法独立求解各个子问题，得到各类中小基站的缓存配置策略；

步骤(1)中建立的优化问题描述为：

其中，x_mn表示第m个小基站是否缓存了文件n，y_mk表示第m个小基站是否可以服务用户k，q_kn表示第k个用户请求第n个文件的概率，S_m表示第m个小基站归一化后的存储容量，代表小基站集合，代表一段时间内所有用户请求的文件集合。

2.根据权利要求1所述的一种超密集网络中基于聚类的缓存配置方法，其特征在于，步骤(3)中分解后的子问题描述为：

其中，K_c表示第c类中的用户总数，表示第c类中的小基站集合，M_c表示第c类中的小基站数目。

3.根据权利要求1所述的一种超密集网络中基于聚类的缓存配置方法，其特征在于，步骤(2)中基于用户偏好及用户位置对用户进行聚类，包括：

(2.1)计算用户请求的相似度矩阵W＝(w_ij)^K×K，并确定聚类数目C和选取的特征向量数目g，其中q_i和q_j分别表示用户i和用户j请求各文件的概率向量；

(2.2)将W的对角线值置为0，排除用户自身的相似度；

(2.3)计算相似度矩阵的归一化对角矩阵以及归一化拉普拉斯图矩阵G；

(2.4)计算G的特征向量，将前g个特征值最大的向量按列放置成一个矩阵E，然后归一化矩阵E形成矩阵H；

(2.5)令矩阵Z＝[H L]，其中L＝(a_i)^K×1表示用户的空间位置矩阵，其中a_i＝[a₁,a₂]表示第i个用户所在位置的横纵坐标；

(2.6)对矩阵Z按每行为一个数据点进行聚类。

4.根据权利要求1所述的一种超密集网络中基于聚类的缓存配置方法，其特征在于，步骤(2)中根据聚类结果对小基站进行分组的方法是：令b_m表示小基站m所属类别，则其中，表示类别集合，K′_cm为第c类中处于小基站m通信范围内的用户总数。

5.根据权利要求2所述的一种超密集网络中基于聚类的缓存配置方法，其特征在于，步骤(4)中采用贪心缓存算法求解各个子问题，包括：

(4.1)初始化

(4.2)选择能够使得上述优化问题中的目标函数取得最大值的小基站-文件组合

(4.3)更新缓存配置：令

(4.4)返回执行步骤(4.2)，直到当前类中小基站得到其缓存配置策略。

6.一种超密集网络中基于聚类的缓存配置装置，其特征在于，包括存储器和处理器，所述存储器中存储有多条指令，所述指令被加载至处理器时执行根据权利要求1-5任一项所述的超密集网络中基于聚类的缓存配置方法。