TY - A2的粉丝,立升AU - Li Lincan AU -邝,卫生Foong盟——刘Qianyu AU - Wang Jing PY - 2020 DA - 2020/11/09 TI -智能缓存内容更新策略基于深度强化学习SP - 8836592六世- 2020 AB -提出DRL-based缓存内容更新策略缓存支持网络提高缓存命中率,减少平均延时。与现有的政策,一个更实际的缓存场景被认为是在这个工作,请求的内容随时间和位置。考虑到有限的缓存容量的约束、动态内容更新问题建模为一个马尔可夫决策过程(MDP)。除此之外,深层q学习网络(DQN)算法用于解决MDP的问题。具体来说,神经网络优化近似 问 价值选择的训练数据的回放记忆经验。DQN代理缓存的最优政策的决定。与现有政策相比,仿真结果表明,我们建议的政策是提高缓存命中率的56% - -64%和56% - -59%的下降平均延迟。SN - 1530 - 8669你2020/8836592 / 10.1155——https://doi.org/10.1155/2020/8836592——摩根富林明——无线通信和移动计算PB - Hindawi KW - ER