基于值函数近似的超密集异构网络小站编码协作缓存方法

摘要

本发明公开了基于值函数近似的超密集异构网络小站编码协作缓存方法。采用值函数近似的强化学习方法，将值函数表达为状态和动作的函数，以最大化平均累积小站直接服务的文件请求数目为优化目标，通过不断地与环境交互，适应环境的动态变化，挖掘出潜在的文件请求转移模式，得到值函数的近似式，进而得到与文件请求转移模式相匹配的协作缓存决策；宏基站对协作缓存决策进行编码，并将编码协作缓存结果传达给各小站。本发明通过强化学习挖掘到的真实网络中文件请求的转移模式来制定缓存决策，无需任何对数据先验分布的假设，更加适用于实际系统；且通过与环境实时交互，可追踪时变的文件流行度，作出相应的缓存策略，过程简单可行，不需解NP‑hard问题。