基于深度强化学习的移动网络边缘缓存策略

为了应对回程链路的负载过重、用户进行内容请求时能耗过高的问题,提出了一种基于深度强化学习的边缘缓存策略。从移动边缘计算（MEC）异构体系结构出发,通过对系统能耗进行分析,将系统中的能耗问题转换成混合整数非线性规划（MINLP）问题,建立了基于马尔科夫决策过程的缓存处理机制,并提出了一种基于DQN的边缘缓存算法。通过实验仿真证明了所提出的算法可以有效降低能耗。