多层联邦深度强化学习的车辆边缘协作缓存方法及系统
授权
摘要
本发明公开了一种多层联邦深度强化学习的车辆边缘协作缓存方法。该方法利用联邦学习，框架分布式地训练基于深度强化学习的车辆边缘协作缓存算法。具体地，通过动态感知内容的受欢迎程度，利用DRL中的DDQN算法获得最优协作缓存策略，从而降低内容传输延迟和响应时间。联邦学习的训练方式使得用户数据保存在用户本地进行训练而不必上传到RSU，有力保护了用户隐私。同时，在此基础上提出多级聚合的概念，通过设计的全局聚合器能够更好地感知全局内容流行度的变化，加快了模型的收敛速度。
基本信息
专利标题 ：
多层联邦深度强化学习的车辆边缘协作缓存方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN113055488A
申请号 ：
CN202110307403.0
公开（公告）日 ：
2021-06-29
申请日 ：
2021-03-23
授权号 ：
CN113055488B
授权日 ：
2022-04-08
发明人 ：
冉泳屹赵雷雒江涛李灵
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区南山街道崇文路2号
代理机构 ：
成都行之专利代理事务所(普通合伙)
代理人 ：
伍旭伟
优先权 ：
CN202110307403.0
主分类号 ：
H04L29/08
IPC分类号 ：
H04L29/08 G06K9/62
法律状态
2022-04-08 ：
授权
2021-07-16 ：
实质审查的生效
IPC(主分类) : H04L 29/08
申请日 : 20210323
申请日 : 20210323
2021-06-29 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
