NDN中边缘计算与缓存的联合优化

命名数据网络（NDN）基于内容名称进行路由，且节点配备一定的缓存能力，故在架构上更易与边缘计算结合。首先，提出一个在NDN中实现网络、计算和缓存动态协调的综合框架。其次，针对不同区域内容流行度的差异性，提出基于矩阵分解的局部内容流行度预测算法；以最大化系统运营收益为目标，利用深度强化学习解决计算和缓存资源分配以及缓存放置策略的联合优化问题。最后，在ndn SIM中构建仿真环境，实验证明所提方案在提高缓存命中率、降低平均时延和远程服务器负载等方面具有明显优势。