本發明公開了一種移動邊緣計算網絡中基于分布式強化學習的隱私保護動態邊緣緩存設計方法,具體為:首先將用戶內容流行度動態性建模成無模型的馬爾科夫鏈,然后將系統中各用戶設備和服務器設備的緩存命中率最大化問題構建成一個隱私保護約束下的分布式優化問題。接著將該分布式優化問題轉化為分布式無模型馬爾科夫決策過程問題,并引入一種聯邦學習方法用于隱私保護約束下的流行度預測。最后通過原分布式優化問題的轉化,得到動作空間,狀態空間和獎勵函數系統配置。通過迭代學習,獲得隱私保護約束下各個設備的動態變換緩存設計方法。實現移動邊緣計算網絡中用戶隱私保護約束下的內容緩存動態更新,保護用戶隱私的同時,獲得更高的緩存命中率。
聲明:
“移動邊緣計算網絡中基于分布式強化學習的隱私保護動態邊緣緩存設計方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)