下一代异构移动网络中分布式云存储的设计与研究

A key disruptive aspect of the fifth generation (5G) cellular networks is the exploitation of the enhanced intelligence of smart mobile devices to implement mobile cloud computing infrastructure. This project aims at efficient cloud data dissemination in Heterogeneous networks under 5G mechanisms with low latency and near-zero repetitive transmissions, and alleviating peak-time congestion in the backbone networks. Outcomes of the research will be novel approaches to distributed optimization algorithms, stochastic performance analysis, and network information theory framework drawing upon the foundations of distributed optimization theory, stochastic geometry theory, and network information and coding theory. The novel concepts and design methodologies will improve the transmission performance as well as transmission efficiency, thereby facilitating the realization of the mobile cloud computing in the next generation networks. At the same time, the project will bring about significant economic and social benefits by efficiently delivering reliable wireless services to anyone at a ‘seemingly infinite’ throughput, which is ‘just’ above their throughput demand.

为了充分利用移动设备日益增长的智能特性，并弥补其在存储容量，计算能力，以及电池寿命等方面的局限性，下一代无线通信（5G）系统的一个核心技术是采用移动云计算的网络架构，为移动用户提供无处不在的、多样化的无线网络服务。本项目着眼于5G系统中异构网络下云数据的有效传输，旨在降低海量数据的传输延迟，减少宏基站及主干网络的重复数据传输，以及减缓高峰时刻由于重复传输导致的网络拥塞。本项目将基于分布式优化理论，随机几何理论，以及网络信息论和编码理论，提出新的分布式优化算法，随机网络性能分析方法和网络信息论框架。全新的网络设计理念和设计框架将会显著的提高传输速率和频谱效率，有力的推动云架构网络服务在下一代移动网络中的实现，同时所提出的设计方案和优化算法预期将带来可观的社会和经济效益。

本项目首先在异构网中文件预存储的分布式优化，考虑采用各种分布式算法，最小化无线网络中文件下载的传输延迟。利用多轮拍卖理论提出将不同毫微微蜂窝接入点需求的不同文件组合进行优化的分配算法；基于多对多匹配理论的文件分配算法来降低下载时延；提出了一种基于独立自动学习机的算法，解决了无线网络中缓存放置问题；最后通过BP算法来设计分布式缓存优化算法，以最小化下载延迟。其次，在同态泊松点过程的用户分布的假设下，分析预存储文件在广播传输和通信阶段的性能。基于随机几何理论对成功下载概率进行了建模分析，通过最大化成功下载概率对缓存概率进行了优化。利用随机几何理论推导出用户成功获取视频的概率，基于这一概率构造了一个Stackelberg博弈，以最大化网络服务提供商和视频零售商的平均利润。将拍卖理论引入到这个商业化的缓存系统中，解决了小单元缓存系统的定价和资源分配问题。