1.一种边缘计算中基于流行内容预测的数据缓存方法,其特征在于:包括步骤1:输入某区域的历史数据,进行数据预处理,判断历史数据时间序列是否为差分平稳序列,如果是,则构建差分整合移动平均自回归模型ARIMA并进入步骤2;
步骤2:构造得到统一的形式化数据缓存问题:
其中,V={v
步骤3:初始化边缘服务器覆盖范围H,用户集合U,边缘服务器集合V,并从边缘服务器集合V中选取一个边缘服务器v步骤4:若边缘服务器v
步骤5:使用FPTAS对数据d
步骤6:运用动态规划算法处理步骤2中形式化数据缓存问题,步骤5所述p′步骤7:初始化B[t][m],并进行动态规划求解,动态规划的递推公式定义为:步骤8:动态规划求解完成后,进行剪枝操作,若数据d
步骤9:重复执行步骤3到步骤8,直到服务器没有剩余容量或没有其他的数据需要缓存,然后输出数据缓存方案S
2.根据权利要求1所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:所述数据预处理具体为对历史数据的时间序列进行随机性和平稳性检测,从而确定构建差分自回归移动平均模型ARIMA的参数。
3.根据权利要求1所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:差分自回归移动平均模型ARIMA模型写成ARIMA(p,d,q),包括3个参数,其中p为自回归阶数,d为差分次数,q为移动平均阶数。
4.根据权利要求1所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:随机性和平稳性检测具体为:步骤11:对历史数据的时间序列进行平稳性检验,若单位根检验统计量对应的p值大于0.05,则为非平稳序列,进入步骤12;
步骤12:对历史数据时间序列进行差分运算直至时间序列变为平稳序列;
步骤13:进行白噪声检验,若为白噪声序列,直接结束,否则说明该时间序列是非白噪声序列,进入步骤14;
步骤14:对处理好的平稳非白噪声序列进行模型定阶;
步骤15:当模型定阶结束后,需要再对残差序列进行白噪声检验,如果残差序列是白噪声序列说明残差中不存在有用的信息,结束检测过程,如果是非白噪声序列,则重复步骤14。
5.根据权利要求4所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:步骤12进行差分运算最多执行二阶差分。
6.根据权利要求4所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:步骤13进行白噪声检验采用LB统计量,然后计算出对应的p值,如果p值显著大于显著性水平0.05,则为白噪声序列。
7.根据权利要求4所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:步骤14中采用极大似然比方法进行模型的参数估计,估计各个参数的值,然后针对各个不同模型,采用BIC信息准则对模型定阶,确定p,q参数。
8.根据权利要求1所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:步骤3中,将步骤2中构造的形式化数据缓存问题看作一个动态多维背包问题并采用MKP算法求解。
9.根据权利要求1所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:步骤5中使用FPTAS对上述数据d步骤51:取出上述数据收益的最大值令其为P,即P←max{p步骤52:设θ∈(0,1],令
10.根据权利要求9所述的边缘计算中基于流行内容预测的数据缓存方法,其特征在于:经过步骤5后的优化问题已经转化为一个0-1背包问题,在步骤6中对其运用动态规划算法处理。