基于移动边缘计算的协同缓存策略研究开题报告

1. 本选题研究的目的及意义

随着移动互联网和物联网技术的快速发展，移动设备用户数量呈爆炸式增长，移动数据流量需求激增，给移动通信网络带来了巨大挑战。

传统的蜂窝网络架构难以满足日益增长的移动数据流量需求，网络拥塞、延迟等问题日益突出。

移动边缘计算（mobileedgecomputing，mec）作为一种新兴的计算范式，通过将计算和存储资源部署在网络边缘，为移动用户提供低延迟、高带宽的服务，有效缓解了核心网络的压力。

2. 本选题国内外研究状况综述

近年来，移动边缘计算和协同缓存技术受到了学术界和工业界的广泛关注，国内外学者在该领域开展了大量的研究工作，并取得了一系列的研究成果。

1. 国内研究现状

国内学者在移动边缘计算和协同缓存方面取得了一定的研究成果。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本研究的主要内容包括以下几个方面:
1.移动边缘计算与协同缓存概述:介绍移动边缘计算的概念、架构、关键技术以及协同缓存的原理、优势和挑战。

2.基于移动边缘计算的协同缓存系统模型:构建基于移动边缘计算的协同缓存系统模型，包括系统架构设计、网络模型构建、缓存内容放置策略等。

4. 研究的方法与步骤

本研究将采用理论分析、仿真实验和对比分析相结合的研究方法，具体步骤如下：
1.首先，进行文献调研，了解移动边缘计算、协同缓存、缓存策略优化等方面的研究现状，为本研究奠定理论基础。

2.其次，构建基于移动边缘计算的协同缓存系统模型，对系统中的各个实体进行抽象和定义，明确它们之间的交互关系。

3.然后，针对协同缓存策略优化问题，设计基于流行度的缓存内容替换算法、基于用户移动预测的缓存调度算法、基于强化学习的协同缓存优化算法等，并进行理论分析和推导，证明算法的有效性。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：
1.提出一种基于移动边缘计算的协同缓存系统模型，该模型能够有效地模拟移动边缘计算环境下的缓存资源分配、内容放置和缓存决策等过程。

2.设计一种基于流行度和用户移动预测的混合缓存内容替换算法，该算法能够根据内容流行度和用户移动预测结果，动态调整缓存内容，提高缓存命中率和降低内容获取延迟。

3.提出一种基于深度强化学习的协同缓存优化算法，该算法能够根据网络状态和用户请求，自适应地调整缓存策略，提高缓存资源利用率和用户服务质量。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 毛宇翔,沈苏彬,陈旭.面向工业互联网的移动边缘计算缓存资源分配[j].计算机集成制造系统,2021,27(1):228-237.

[2] 谢晴.边缘计算环境下基于内容预测的协同缓存策略[j].计算机应用,2020,40(s2):170-175.

[3] 李阳,黄韬,张海.基于内容流行度和用户兴趣的边缘缓存策略[j].计算机应用研究,2020,37(1):88-92.