移动边缘计算中基于内容流行度的深度强化学习缓存机制

摘要：

随着5G商用的推进,涌现出大量依赖高速率、低时延的新应用,混合现实(Mixed Reality,MR)就是其中之一.考虑到从中心云传输服务内容到MR设备会带来很大时延和能耗问题,引入移动边缘计算(Mobile Edge Compu?ting,MEC)技术,通过在MEC服务器上缓存用户的预渲染环境帧,以减少延迟和能耗.针对MEC服务器上有限的缓存资源,提出了一种基于内容流行度的深度强化学习(Deep Reinforcement Learning,DRL)方法来做缓存决策,并构造一个新的效用函数来衡量缓存方案的性能;仿真结果表明基于所提算法得到的缓存决策能使目标效用函数达到最大值.

关键词：移动边缘计算;混合现实;内容缓存;深度强化学习

所属期刊栏目：48

分类号：TN927+.2

资助基金：通信网信息传输与分发技术重点实验室基金课题HHX21641X002

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73