本發明公開了一種基于深度強化學習的邊緣計算智能緩存方法,其特點是將流行度模型與深度強化學習結合來對當前資源進行邊緣緩存的方法,智能體會判斷短時間內該資源是否可能被再次請求,并且會選擇緩存被再次請求可能性更高的資源,該方法分析用戶請求資源的屬性,根據流行度模型,利用該資源的屬性得到對應的流行度,再利用深度強化學習的決策能力,分析該資源是否需要被加入緩存或者從緩存中剔除。本發明與現有技術相比具有更少的緩存置換次數和更高的緩存命中次數,大大減少傳播時延和服務器的能源損耗,進一步提高邊緣緩存的命中率和性能,能顯著提高用戶的體驗質量,為相關領域的技術提供技術支撐。
聲明:
“基于深度強化學習的邊緣計算智能緩存方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)