基于图协同过滤模型的D2D协作缓存策略OACSTPCD
D2D cooperative caching strategy based on graph collaborative filtering model
针对设备到设备(D2D)缓存中基站信号覆盖范围有限导致的难以获得足够数据来预测用户偏好的问题,提出了一种基于图协同过滤模型的 D2D 协作缓存策略.首先,构建图协同过滤模型,通过多层图卷积神经网络捕捉用户-内容交互图中的高阶连通信息,并利用多层感知机学习用户和内容之间的非线性关系来预测用户偏好.其次,为了最小化平均访问时延,综合考虑用户偏好和缓存时延收益,将缓存内容放置问题建模为马尔可夫决策过程模型,设计基于深度强化学习的协作缓存算法进行求解.仿真实验表明,与现有的缓存策略相比,所提缓存策略在不同的内容种类、用户密度和D2D通信距离参数下均取得了最优的性能效果.
陈宁江;练林明;欧平杰;袁雪梅
广西大学计算机与电子信息学院,广西 南宁 530004||广西高校并行分布与智能计算重点实验室,广西 南宁 530004||广西智能数字服务工程技术研究中心,广西 南宁 530004广西大学计算机与电子信息学院,广西 南宁 530004广西大学计算机与电子信息学院,广西 南宁 530004广西大学计算机与电子信息学院,广西 南宁 530004
电子信息工程
设备到设备图协同过滤协作缓存深度强化学习
D2Dgraph collaborative filteringcooperative cachingdeep reinforcement learning
《通信学报》 2023 (7)
软件定义容器式云存储的自治管理关键技术研究
136-148,13
国家自然科学基金资助项目(No.62162003,No.61762008)南宁市重点研发计划基金资助项目(No.20221031)The National Natural Science Foundation of China(No.62162003,No.61762008),Nanning Key Research and Development Program(No.20221031)
评论