公开(公告)号：CN114025017B

公开(公告)日：2024-04-16

申请号：CN202111284077.2

申请日：2021-11-01

Applicant: 杭州电子科技大学

Inventor： 徐海涛 ,  孙悦隽 ,  邬惠峰 ,  戴翚

IPC: H04L67/568 ,  H04L67/5682 ,  G06N3/044 ,  G06N3/092

Abstract: 本发明提供一种基于深度循环强化学习的网络边缘缓存方法、装置及设备，在该方法中，通过采集获取当前时隙之前的连续多个时隙的系统状态信息，将多个时隙的系统状态信息输入深度循环神经网络中进行缓存动作选择处理，得到目标缓存动作，根据目标缓存动作执行缓存替换操作。其中深度循环神经网络是预先训练的用于根据多个连续时隙的系统状态信息确定缓存动作的计算模型，本方案中的深度循环神经网络利用多个连续时隙系统状态信息中的内容流行度进行计算，并且在缓存动作选择时考虑到缓存时间和缓存替换时从相邻边缘服务器获取还是从远程云数据中心获取，提高了缓存准确率，降低了缓存超时存储成本和缓存替换成本。

公开(公告)号：CN114025017A

公开(公告)日：2022-02-08

申请号：CN202111284077.2

申请日：2021-11-01

Applicant: 杭州电子科技大学

Inventor： 徐海涛 ,  孙悦隽 ,  邬惠峰 ,  戴翚

IPC: H04L67/568 ,  H04L67/5682 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度循环强化学习的网络边缘缓存方法、装置及设备，在该方法中，通过采集获取当前时隙之前的连续多个时隙的系统状态信息，将多个时隙的系统状态信息输入深度循环神经网络中进行缓存动作选择处理，得到目标缓存动作，根据目标缓存动作执行缓存替换操作。其中深度循环神经网络是预先训练的用于根据多个连续时隙的系统状态信息确定缓存动作的计算模型，本方案中的深度循环神经网络利用多个连续时隙系统状态信息中的内容流行度进行计算，并且在缓存动作选择时考虑到缓存时间和缓存替换时从相邻边缘服务器获取还是从远程云数据中心获取，提高了缓存准确率，降低了缓存超时存储成本和缓存替换成本。