-
公开(公告)号:CN116249162A
公开(公告)日:2023-06-09
申请号:CN202310159612.4
申请日:2023-02-23
Applicant: 河南科技大学
Abstract: 本发明公开了一种车载边缘网络中基于深度强化学习的协作缓存方法,路边单元预测车辆轨迹并将其覆盖范围内的车辆划分为车辆集群,筛选出每个车辆集群中的簇头车辆,由簇头车辆为集群中车辆分配不同流行内容进行预缓存,同时路边单元也进行流行内容预缓存,针对每种通信情况分别计算车辆的内容传输速率,每当协作缓存决策到来时,每个路边单元分别进行一次深度强化学习,得到协作缓存决策,在深度强化学习中,设置状态为当前缓存内容集合,设置动作表示是否需要对当前缓存内容集合中的内容进行替换,奖励函数为缓存内容集合对应的延迟。采用本发明可以降低车辆的内容传输延时,提高缓存命中率。
-
公开(公告)号:CN117201508A
公开(公告)日:2023-12-08
申请号:CN202311054663.7
申请日:2023-08-21
Applicant: 河南科技大学
IPC: H04L67/104 , G06F16/957 , G06N3/092 , G06N3/0442 , G06N3/045 , G06F18/25 , H04L67/12
Abstract: 本发明公开了一种车联网中基于深度强化学习的车辆协作缓存接力方法,将车联网的流行内容进行分块,每当协作缓存更新周期到来时,对车联网中每个车辆的移动轨迹进行预测,根据预测得到的移动轨迹计算任意两个车辆之间的链路稳定性得到预测权重邻接矩阵,基于预测权重邻接矩阵求解得到下一缓存周期的缓存车辆和对应的服务车辆集合,每个缓存车辆分别进行马尔可夫决策,得到该缓存车辆的内容缓存策略。本发明通过求解下一缓存周期缓存车辆的最优缓存策略,实现缓存车辆对于请求车辆的接力协作传输,确定系统性能。
-