Asignación de Recursos Verdes Basada en Aprendizaje por Refuerzo Profundo en IoT Centrado en Contenido

En la era de la información, se espera que los servicios verdes del IoT centrado en contenido ofrezcan a los usuarios una mejor satisfacción de la Calidad de Experiencia (QoE) que en un IoT convencional. No obstante, el tráfico de la red y las nuevas demandas de los usuarios de IoT aumentan junto con las prometedoras capacidades del sistema de computación centrado en contenido. Por lo tanto, la satisfacción de la QoE se convertirá en el principal desafío en el sistema de computación centrado en contenido para los usuarios de IoT. En este artículo, para mejorar la satisfacción de la QoE, proponemos modelos de QoE para evaluar las cualidades del IoT en relación tanto con la red como con los usuarios. El valor de la QoE no solo se refiere al costo de la red, sino también al Puntaje de Opinión Media (MOS) de los usuarios. Por lo tanto, nuestros modelos podrían captar los factores de influencia del costo de la red y los servicios para los usuarios de IoT basados en las condiciones del IoT. Especialmente, nos enfocamos principalmente en los problemas de asignación de caché y tasa de transmisión. Bajo este IoT centrado en contenido, con el objetivo de asignar la capacidad de caché entre nodos de computación centrados en contenido y manejar las tasas de transmisión bajo un costo total de red y MOS restringidos para todo el IoT, dedicamos nuestros esfuerzos a los siguientes dos aspectos. Primero, formulamos la QoE como un problema de asignación de recursos verdes bajo diferentes tasas de transmisión para adquirir la mejor QoE. Luego, sobre la base de la centralidad del nodo, propondremos un enfoque dinámico subóptimo, que es adecuado para IoT con entrega de contenido frecuente. Además, presentamos un algoritmo de asignación de recursos verdes basado en Aprendizaje por Refuerzo Profundo (DRL) para mejorar la precisión de la QoE de manera adaptativa. Los resultados de simulación revelan que nuestras propuestas podrían alcanzar un alto rendimiento de QoE para IoT centrado en contenido.