本发明公开了一种VANET中基于时变线性的加速强化学习边缘缓存方法,首先,构建动态的时变线性预测模型,通过考虑每个文件的动态老化,并根据历史内容请求来预测未来的内容请求;然后,构建文件缓存替换函数,并对该函数进行调整;最后,优化缓存策略函数,通过合成假设样本来增加每个时隙的样本数,以达到Q函数的快速收敛,并相应地替换缓存的内容,最大化总的缓存效益。本发明具有更高的缓存命中率和长期效益;通过线性时变预测模型,可以对车辆请求进行实时预测,同时实时的替换边缘服务器中的缓存文件,保证缓存文件的有效性。
声明:
“VANET中基于时变线性的加速强化学习边缘缓存方法” 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)