基于深度强化学习的边缘网络内容协作缓存与传输方案研究OA北大核心CSTPCD
Deep reinforcement learning based-edge network content cooperative caching and transmission scheme
为了应对第五代无线通信网络中数据吞吐量急剧增加的问题,移动边缘缓存成为了一种有效的解决方案.它通过在边缘设备上存储网络内容,减轻回程链路和核心网络的负担,缩短服务时延.到目前为止,大多数边缘缓存研究主要优化协作内容缓存,忽略了内容传输的效率.研究超密集网络的内容协作边缘缓存与无线带宽资源的分配问题,通过余弦相似度和高斯相似度求解基站之间总的相似度,将网络中的小基站根据总相似度进行分组,把缓存和无线带宽分配问题建模成一个长期混合整数的非线性规划问题…查看全部>>
In order to address the problem of rapid increase of data throughput in fifth-generation wireless communication net-works,mobile edge caching has become a useful solution.It can reduce the burden on the backhaul link and core network,cut down service latency by storing network content on edge devices.So far,most edge caching solutions have mainly focused on optimizing cooperative content caching,and ignored the efficiency of content transmission.This paper s…查看全部>>
周继鹏;李祥
广州华商学院数据科学学院,广州 511300||暨南大学信息科学技术学院,广州 510632暨南大学信息科学技术学院,广州 510632
计算机与自动化
移动边缘计算协同边缘缓存无线带宽分配深度强化学习
mobile edge computing(MEC)cooperative edge cachingwireless bandwidth allocationdeep reinforcement learning(DRL)
《计算机应用研究》 2024 (6)
1825-1832,8
国家自然科学基金资助项目(62272198,62172189)
评论