超密集网络中基于深度强化学习的协作式边缘缓存算法

摘要

本发明公开了超密集网络中基于深度强化学习的协作式边缘缓存算法，具体步骤如下：步骤1：设置系统模型的各参数；步骤2：采用Double DQN算法来为每个SBS做出最优缓存决策，以最大化所有SBS的总内容缓存命中率。该算法结合了DQN算法和Double Q‑learning算法，从而有效解决了DQN算法对Q值的过估计问题。此外，该算法采用了优先级经验回放技术，加快了学习速度；步骤3：采用改进的分支定界法来为每个SBS做出最优带宽资源分配决策，以最小化所有用户设备的总内容下载延迟。本发明可有效减少超密集网络中所有用户的内容下载延迟，提高内容缓存命中率和频谱资源利用率，且具有良好的鲁棒性和可扩展性，适用于大规模用户密集型的超密集网络。