移动边缘缓存的深度强化学习：回顾、新特性与未解问题

移动边缘缓存是一种有前景的技术，旨在减少网络流量并改善移动用户的体验质量。然而，移动边缘缓存是一个具有未知未来内容流行度和复杂网络特征的决策问题。在本文中，我们主张使用深度强化学习（DRL）来解决移动边缘缓存问题，并呈现关于移动边缘缓存和DRL的近期研究概述。我们首先考察移动边缘缓存中的关键问题，并回顾文献中提出的基于学习的现有解决方案。我们还讨论了DRL在移动边缘缓存中的独特应用特征，并通过基于追踪数据的仿真结果说明了基于DRL的移动边缘缓存示例。最后，本文讨论了若干需要实质性未来研究工作的开放问题。