Key points are not available for this paper at this time.
인기 파일을 네트워크 엣지에서 사용자 근처에 캐싱하는 것은 백홀 링크에 대한 압력을 효과적으로 완화하고 사용자 전송 지연을 줄일 수 있습니다. 콘텐츠 캐싱의 효과는 요청의 적중률에 크게 의존하므로, 콘텐츠 캐싱 전략 연구는 중요한 문제입니다. 복잡한 제어 문제를 해결하기 위해 강화 학습에서 영감을 받아 이 논문은 기지국의 캐시 용량을 최대한 활용하여 사용자 요청의 평균 전송 지연과 네트워크 에너지 손실을 최소화하는 콘텐츠 캐싱 문제를 연구합니다. 네트워크 상태가 예측 불가능하고 차원이 크기 때문에, DDPG(Deep Deterministic Policy Gradient) 알고리즘을 사용하여 환경과 상호작용하면서 최적의 캐시 전략을 학습합니다. 행동 함수 네트워크와 가치 함수 네트워크를 분리하여 반복 과정에서 서로를 최적화할 수 있습니다. 우리의 결과는 제안된 프레임워크가 캐시 적중률을 향상시키고 네트워크 에너지 손실을 줄일 수 있음을 보여줍니다.
Li et al. (Mon,)은 이 문제를 연구했습니다.