本发明公开了一种基于异步联邦和深度强化学习的协作边缘缓存方法，该方法首先使用异步联邦学习框架进行边缘内容缓存，可以使车辆用户的数据都在本地训练从而降低车辆用户的隐私风险，降低通信成本，适应高度动态的车辆网络环境，其次，使用自动编码器模型预测内容流行度，每个车辆用户使用基于自动编码器的内容流行度预测算法从车辆用户历史请求内容和上下文信息学习数据中潜在的相关性，从而提高每个边缘设备的缓存性能，最后，使用dueling DQN强化学习算法来学习每个边缘设备中车辆用户的请求内容数据，基于自动编码器模型预测出来的内容流行度，dueling DQN可以做出最优的缓存决策，降低车辆平均请求时延和提高每个边缘设备的缓存性能。
声明：
“基于异步联邦和深度强化学习的协作边缘缓存方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1057
编辑：管理员
来源：北方有色网
咨询细节
