公开(公告)号：CN109981723A

公开(公告)日：2019-07-05

申请号：CN201910065280.7

申请日：2019-01-23

Applicant: 桂林电子科技大学

Inventor： 何倩 ,  陈壮 ,  刘阳 ,  董庆贺 ,  梁任纲

IPC: H04L29/08 ,  H04L12/911

Abstract: 本发明属于无线通信技术领域，公开了一种基于深度强化学习的文件缓存处理系统及方法、通信系统，所述基于深度强化学习的文件缓存处理方法包括以下步骤：缓存请求者的属性信息，每个请求缓存内容的大小和可利用的缓存资源的设备属性信息被移动基站收集，作为决策智能体的输入信息；决策智能体在设定时间范围内根据随机梯度下降方法和推演并设计缓存匹配的操作；输出一个最优的匹配，即具有最大的系统效益，分配缓存资源。仿真实验的数值结果表明，该算法可以有效地分配缓存资源，降低系统能耗，最大化系统效益。

公开(公告)号：CN109981723B

公开(公告)日：2021-11-09

申请号：CN201910065280.7

申请日：2019-01-23

Applicant: 桂林电子科技大学

Inventor： 何倩 ,  陈壮 ,  刘阳 ,  董庆贺 ,  梁任纲

IPC: H04L29/08 ,  H04L12/911

Abstract: 本发明属于无线通信技术领域，公开了一种基于深度强化学习的文件缓存处理系统及方法、通信系统，所述基于深度强化学习的文件缓存处理方法包括以下步骤：缓存请求者的属性信息，每个请求缓存内容的大小和可利用的缓存资源的设备属性信息被移动基站收集，作为决策智能体的输入信息；决策智能体在设定时间范围内根据随机梯度下降方法和推演并设计缓存匹配的操作；输出一个最优的匹配，即具有最大的系统效益，分配缓存资源。仿真实验的数值结果表明，该算法可以有效地分配缓存资源，降低系统能耗，最大化系统效益。