本發(fā)明公開了一種基于注意力機制強化學習的邊緣網(wǎng)絡設備緩存方法，包括如下步驟：建立蜂窩網(wǎng)絡模型，蜂窩網(wǎng)絡模型包括用戶設備、邊緣網(wǎng)絡設備和核心網(wǎng)絡，每個邊緣網(wǎng)絡設備中均設有行動網(wǎng)絡模塊和評價網(wǎng)絡模塊；邊緣網(wǎng)絡設備接收所在區(qū)域內(nèi)的用戶設備發(fā)出的請求；每個邊緣網(wǎng)絡設備獲取其它邊緣網(wǎng)絡設備的觀測值；每個邊緣網(wǎng)絡設備依據(jù)緩存替換策略和觀測值選取動作；邊緣網(wǎng)絡設備發(fā)送動作和更新后的狀態(tài)到鄰接邊緣網(wǎng)絡設備；根據(jù)動作更新后的觀測值和動作價值函數(shù)對行動網(wǎng)絡模塊和評價網(wǎng)絡模塊的參數(shù)進行更新；根據(jù)目標函數(shù)對緩存替換策略進行優(yōu)化。本發(fā)明可以減少從云數(shù)據(jù)中心重復下載文件的次數(shù)，降低延遲，提升網(wǎng)絡服務質(zhì)量與用戶體驗質(zhì)量。