本發(fā)明公開了一種基于異步聯(lián)邦和深度強化學習的協(xié)作邊緣緩存方法,該方法首先使用異步聯(lián)邦學習框架進行邊緣內容緩存,可以使車輛用戶的數(shù)據(jù)都在本地訓練從而降低車輛用戶的隱私風險,降低通信成本,適應高度動態(tài)的車輛網絡環(huán)境,其次,使用自動編碼器模型預測內容流行度,每個車輛用戶使用基于自動編碼器的內容流行度預測算法從車輛用戶歷史請求內容和上下文信息學習數(shù)據(jù)中潛在的相關性,從而提高每個邊緣設備的緩存性能,最后,使用dueling DQN強化學習算法來學習每個邊緣設備中車輛用戶的請求內容數(shù)據(jù),基于自動編碼器模型預測出來的內容流行度,dueling DQN可以做出最優(yōu)的緩存決策,降低車輛平均請求時延和提高每個邊緣設備的緩存性能。
聲明:
“基于異步聯(lián)邦和深度強化學習的協(xié)作邊緣緩存方法” 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(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)