移动车载边缘网络中基于递归深度强化学习的协作缓存接力算法

TN92; 考虑无路侧单元覆盖的场景,充分利用车辆之间的协作来构建缓存系统,提出一种基于递归深度强化学习的协作缓存接力算法.考虑缓存决策的动态特性,将问题建模为部分可观察的马尔可夫决策过程,利用图神经网络预测车辆轨迹,并通过计算车辆间的连接稳定性度量,选择可作为缓存节点的车辆.此外,将长短期记忆网络嵌入深度确定性策略梯度算法中,以实现最终的缓存决策.仿真结果表明,所提算法在缓存命中率和时延方面优于传统缓存算法....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 45; no. 11; pp. 277 - 286
Main Authors 吴红海, 王白冰, 马华红, 邢玲
Format Journal Article
LanguageChinese
Published 河南科技大学信息工程学院,河南 洛阳 471023 01.11.2024
Subjects
递归深度强化学习
马尔可夫决策
车载边缘网络
Markov decision
collaborative caching relay
recursive deep reinforcement learning
协作缓存接力
vehicular edge network
Online AccessGet full text

Cover

More Information
Summary:TN92; 考虑无路侧单元覆盖的场景,充分利用车辆之间的协作来构建缓存系统,提出一种基于递归深度强化学习的协作缓存接力算法.考虑缓存决策的动态特性,将问题建模为部分可观察的马尔可夫决策过程,利用图神经网络预测车辆轨迹,并通过计算车辆间的连接稳定性度量,选择可作为缓存节点的车辆.此外,将长短期记忆网络嵌入深度确定性策略梯度算法中,以实现最终的缓存决策.仿真结果表明,所提算法在缓存命中率和时延方面优于传统缓存算法.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2024195