TY - A2的拉其普特人Dharmendra辛格王盟——,海滨住宅AU - Chen Jiachao PY - 2022 DA - 2022/12/22 TI -通过联合协作缓存边缘计算学习和深入强化学习SP - 7212984六世- 2022 AB -通过部署资源用户,附近的边缘缓存可以大大减少用户检索内容的延迟和减轻骨干网络的压力。由于缓存的容量限制和用户请求的动态特性,必须考虑如何合理分配缓存资源。一些边缘缓存研究提高网络性能预测内容流行度和积极缓存最受欢迎的内容,从而忽视造成的隐私和安全问题需要收集用户信息在中央单位。为此,提出了一种基于联合协作缓存策略学习。首先,联合学习是用来做分布式预测用户的喜好的节点来开发一个有效的内容缓存策略。然后,分配缓存资源优化问题的视频提供商的成本是制定作为一个马尔可夫决策过程,并强化学习方法用于优化缓存的决定。相比之下,一些基本的缓存策略缓存命中率,传输延迟,和成本,仿真结果表明,该内容缓存策略降低了视频供应商的成本,并具有较高的缓存命中率和较低的平均传输延迟。SN - 1530 - 8669你2022/7212984 / 10.1155——https://doi.org/10.1155/2022/7212984——摩根富林明——无线通信和移动计算PB - Hindawi KW - ER