本发明涉及一种基于深度强化学习的移动预测无线边缘缓存方法,包括以下步骤:构建无线智能缓存网络模型,包括用户集、服务节点集、用户请求内容集、缓存内容集、源内容库、用户历史轨迹向量和用户分类组;构建长短期记忆网络模型,根据用户历史轨迹向量作为预测用户在下一时隙的预测位置并进行分类,获取用户分类组;建立替换缓存策略,根据用户分类组,获取每一个服务节点的预测用户集,并根对当前服务节点的缓存内容进行替换;构建结合Q学习和DQN强化学习的神经网络,对神经网络进行训练,得到训练好的动态缓存替换模型,将动态缓存替换模型利用于替换缓存策略中。
声明:
“基于深度强化学习的移动预测无线边缘缓存方法” 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)