Work

5G ağları ve ötesinde uyarlanabilir uç ön bellekleme

Year: 2025
Type: dissertation
Abstract: 5G ağları ve ötesinde uyarlanabilir uç ön bellekleme 5G ve ötesi kablosuz ağlarda içerik tüketiminin artışı ve düşük gecikmeli servis talepleri, akıllı ve ölçeklenebilir kenar önbellekleme stratejilerine olan ihtiyacı artırmıştır. Bu bağlamda, mobil kenar bilişim (MEC), içeriği kullanıcıya daha yakın konumlandırmak için küçük hücre baz istasyonlarını (SBS) içeren yeni nesil ağlar için umut verici bir yaklaşım sunar. Ancak geleneksel, tepkisel ve işbirliği içermeyen yaklaşımlar, içerik popülaritesinin ve kullanıcı taleplerinin zamana ve mekâna bağlı değişkenliğini yakalamakta yetersiz kalmaktadır. Bu çalışma, öncelikle tek SBS ortamında içerik önbellekleme problemini ele almaktadır. İçeriklerin gelecekteki popülaritelerini tahmin etmek amacıyla, geçmiş taleplerden öğrenen LSTM tabanlı bir derin öğrenme modeli geliştirilmiştir. Tahmin edilen popülarite puanlarına dayanarak, önbellek yerleşimi 0–1 Knapsack Problemi olarak modellenmiş ve genetik algoritma ile çözülmüştür. Bu temel üzerine inşa edilen sistem, çoklu SBS içeren MEC ağları için yeni bir işbirlikçi uç önbellekleme çerçevesi önermektedir. Önerilen çerçevenin amacı, komşu SBS’ler arasında örtüşen içerik parçalarını akıllıca atayarak önbellek verimliliğini en üst düzeye çıkarmak ve içerik getirme gecikmelerini en aza indirmektir. Bu yöntemin merkezinde, önbellek kapasitesi kısıtları ve SBS’ler arası gecikme heterojenliğini dikkate alan, DP (dinamik programlama) tabanlı bir optimizasyon algoritması yer almaktadır. Geleneksel yaklaşımlardan farklı olarak, bu algoritma erişim gecikmesine göre dinamik biçimde ayarlanan gecikme duyarlı içerik popülaritesi metrikleri içermektedir. Tez kapsamında gerçekleştirilen kapsamlı benzetim çalışmaları, önerilen işbirlikçi çerçevenin geleneksel yöntemlere kıyasla önbellek isabet oranı (CHR), gecikme azaltımı ve yük paylaşımı bakımından önemli iyileştirmeler sağladığını ortaya koymaktadır. En son kullanılan (LRU) ve rastgele değiştirme (RR) gibi yaygın tekniklerle birlikte, literatürde yer alan örtüşmesiz önbellekleme algoritması (ZOSAP) ile yapılan karşılaştırmalar, önerilen yaklaşımın dinamik ortamlarda daha tutarlı ve üstün performans sergilediğini göstermektedir. Ayrıca, farklı önbellek boyutları, içerik kütüphane büyüklükleri ve ağ yapıları altında yapılan parametre analizleri çerçevenin esnekliğini ve genellenebilirliğini doğrulamaktadır. Bu çalışma, kullanıcı deneyimini (QoE) artıran, çekirdek ağa olan yükü azaltan ve gelecek nesil kablosuz sistemler için proaktif ve işbirlikçi önbellekleme mekanizmalarının geliştirilmesine katkı sağlayan bütüncül ve ölçeklenebilir bir önbellekleme mimarisi sunmaktadır.
Institution: Marmara University
Language: English
Open Access status: green
OpenAlex ID: W7225442231
Cites: 64
Cited by:
Related to: 10