【技术实现步骤摘要】
本专利技术涉及移动通信，尤其涉及一种异步联邦和强化学习的移动感知边缘缓存系统及方法。
技术介绍
1、大规模分析揭示出不同内容通常具有不同的访问优先级，这推动了边缘缓存在车联网的应用。边缘缓存技术通过将云功能下沉至路侧单元(roadside units，路侧单元)来预先缓存常用内容，从而降低回程负担和内容访问时延。此时，车辆可直接从启用缓存的路侧单元上获取内容，避免了与远程云服务器的重复传输。然而，路侧单元有限的缓存容量使系统性能严重依赖于精心设计的缓存策略。策略设计的关键在于了解内容的流行度，其反映了各内容的访问偏好。过往研究常假定内容的流行度可提前获知或遵循简化模型。但此类假设在实践中通常是不现实的，因为车联网中内容的流行度呈现出不稳定性，具有不确定的时空流量需求。因此，为促进边缘缓存的利用，迫切需要对内容的流行度进行预测。
2、机器学习已显示出，通过训练车辆用户(vehicular user，vu)数据来提取内容流行度的动态特征具有巨大潜力，但车联网中应用机器学习进行内容预测仍面临两大问题：区域内容的流行度和有效性不断变...
【技术保护点】
1.一种异步联邦和强化学习的移动感知边缘缓存系统，其特征在于，包括：
2.一种应用于权利要求1所述的异步联邦和强化学习的移动感知边缘缓存系统的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于：
4.根据权利要求3所述的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于：
5.根据权利要求4所述的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于：
6.根据权利要求5所述的异步联邦和强化学习的移动感知边缘缓存方
【技术特征摘要】
1.一种异步联邦和强化学习的移动感知边缘缓存系统，其特征在于，包括：
2.一种应用于权利要求1所述的异步联邦和强化学习的移动感知边缘缓存系统的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于：
4.根据权利要求3所述的异步联邦和强化学习的移动感知边缘缓存方法，其特征在于：
5.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。