典型文献
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
文献摘要：
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.
文献关键词：
移动边缘计算;混合现实;内容缓存;深度强化学习
中图分类号：
作者姓名：
王朝炜;石玉君;于小飞;王卫东
作者机构：
北京邮电大学 电子工程学院,北京100876;通信网信息传输与分发技术重点实验室,河北 石家庄050081
文献出处：
引用格式：
[1]王朝炜;石玉君;于小飞;王卫东-.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)[J].无线电通信技术,2022(01):68-73
A类：
Compu
B类：
移动边缘计算,内容流行度,深度强化学习,缓存机制,商用,涌现出,高速率,低时延,混合现实,Mixed,Reality,MR,云传输,传输服务,服务内容,大时延,能耗问题,Mobile,Edge,ting,MEC,服务器,渲染,减少延迟,缓存资源,Deep,Reinforcement,Learning,DRL,效用函数,内容缓存
AB值：
0.431724
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
