申请/专利权人：杭州电子科技大学

申请日：2024-01-05

公开（公告）日：2024-04-09

公开（公告）号：CN117857378A

主分类号：H04L41/16

分类号：H04L41/16;H04L41/14;H04W24/02;H04L67/10;H04L67/568

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：移动边缘计算技术旨在提高用户体验质量，减少传输延迟，以及降低云端资源压力。针对如何在移动边缘网络中做出推荐和缓存决策更合理的问题，本发明提出了一种基于联邦强化学习的移动边缘缓存与推荐方法，旨在解决移动网络下能耗的优化问题，模拟用户移动和接触情况，引入深度Q网络DQN强化学习，制定缓存和推荐策略。联邦学习被应用以加强用户设备之间的联系，同时保护用户隐私。该技术不仅可以解决隐私保护问题，还改善网络性能，降低传输能耗，提高蜂窝链路的传输卸载率。本专利具有广泛应用前景，对移动通信和边缘计算领域具有重要意义。

主权项：1.一种基于联邦强化学习的移动边缘缓存与推荐方法，其特征在于，包括如下步骤：S1、构建移动网络架构；S2、基于所述移动网络架构，构建内容传输模型；S3、基于所述移动网络架构，构建内容流行度模型；S4、基于所述移动网络架构，构建节点接触模型；S5、基于内容流行度模型，构建缓存替换模型；S6、基于内容流行度模型和节点接触模型，构建节点请求模型；S7、以最小化系统能耗为目标，构建优化目标函数；S8、基于内容传输模型和节点请求模型，构建马尔可夫决策过程；S9、结合强化学习和联邦学习，为S8中得到的马尔可夫决策过程寻找最优策略，优化内容缓存和内容推荐。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于联邦强化学习的移动边缘缓存与推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD