超密集网络中基于深度强化学习的协作式边缘缓存算法

发明专利有效专利

申请号：
CN202010771674.7
IPC分类号：H04W28/14;H04L29/08
申请日期：
2020-08-04
申请人：
河海大学常州校区

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	超密集网络中基于深度强化学习的协作式边缘缓存算法
申请号	CN202010771674.7	申请日期	2020-08-04
法律状态	实质审查	申报国家	中国
公开/公告日	2020-11-20	公开/公告号	CN111970733A
优先权	暂无	优先权号	暂无
主分类号	H04W28/14 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04W 无线通信网络〔2009.01〕 H04W28/00 网络业务量或资源管理〔2009.01〕 H04W28/02 业务量管理，例如流量控制或拥塞控制〔2009.01〕 H04W28/10 流量控制〔2009.01〕 H04W28/14 使用中间存储器〔2009.01〕	IPC分类号	H;0;4;W;2;8;/;1;4;;;H;0;4;L;2;9;/;0;8查看分类表>
申请人	河海大学常州校区	申请人地址	江苏省常州市新北区晋陵北路200号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河海大学常州校区	当前权利人	河海大学常州校区
发明人	韩光洁;张帆
代理机构	南京经纬专利商标代理有限公司	代理人	暂无

摘要

本发明公开了超密集网络中基于深度强化学习的协作式边缘缓存算法，具体步骤如下步骤1设置系统模型的各参数；步骤2采用Double DQN算法来为每个SBS做出最优缓存决策，以最大化所有SBS的总内容缓存命中率。该算法结合了DQN算法和Double Q‑learning算法，从而有效解决了DQN算法对Q值的过估计问题。此外，该算法采用了优先级经验回放技术，加快了学习速度；步骤3采用改进的分支定界法来为每个SBS做出最优带宽资源分配决策，以最小化所有用户设备的总内容下载延迟。本发明可有效减少超密集网络中所有用户的内容下载延迟，提高内容缓存命中率和频谱资源利用率，且具有良好的鲁棒性和可扩展性，适用于大规模用户密集型的超密集网络。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供