一种基于深度强化学习的边缘计算智能缓存方法

摘要

本发明公开了一种基于深度强化学习的边缘计算智能缓存方法，其特点是将流行度模型与深度强化学习结合来对当前资源进行边缘缓存的方法，智能体会判断短时间内该资源是否可能被再次请求，并且会选择缓存被再次请求可能性更高的资源，该方法分析用户请求资源的属性，根据流行度模型，利用该资源的属性得到对应的流行度，再利用深度强化学习的决策能力，分析该资源是否需要被加入缓存或者从缓存中剔除。本发明与现有技术相比具有更少的缓存置换次数和更高的缓存命中次数，大大减少传播时延和服务器的能源损耗，进一步提高边缘缓存的命中率和性能，能显著提高用户的体验质量，为相关领域的技术提供技术支撑。