隨著物聯(lián)網(wǎng)的發(fā)展,物聯(lián)網(wǎng)接入設備和網(wǎng)絡流量快速增長,給現(xiàn)有通信網(wǎng)絡帶來了巨大壓力。為了迎接物聯(lián)網(wǎng)的挑戰(zhàn),邊緣緩存是一種有前途的部署方案,將熱點數(shù)據(jù)緩存在靠近用戶的網(wǎng)絡邊緣,可以有效卸載網(wǎng)絡流量、降低網(wǎng)絡時延和提高用戶體驗。物聯(lián)網(wǎng)場景下,網(wǎng)絡的邊緣緩存有兩大特點:○1物聯(lián)網(wǎng)中有很多具有時效性要求的暫態(tài)數(shù)據(jù);○2物聯(lián)網(wǎng)邊緣節(jié)點的緩存空間受限。本文從物聯(lián)網(wǎng)實際特點出發(fā),對暫態(tài)數(shù)據(jù)緩存策略開展研究,提出了基于深度強化學習的物聯(lián)網(wǎng)暫態(tài)數(shù)據(jù)緩存策略。首先,將物聯(lián)網(wǎng)中有時效性要求的數(shù)據(jù)定義為暫態(tài)數(shù)據(jù),并且對暫態(tài)數(shù)據(jù)進行建模描述,分析了暫態(tài)數(shù)據(jù)的生命周期、新鮮度、新鮮度損失等主要性質和特點。針對邊緣緩存場景,將獲取暫態(tài)數(shù)據(jù)的成本分為網(wǎng)絡傳輸數(shù)據(jù)的通信成本和數(shù)據(jù)的時效性損失成本兩部分綜合考慮。設計了適合邊緣緩存節(jié)點中的暫態(tài)數(shù)據(jù)存儲結構。其次,分析了邊緣緩存節(jié)點處理物聯(lián)網(wǎng)暫態(tài)數(shù)據(jù)請求的過程,將緩存替換策略建模為馬爾科夫過程,將深度強化學習算法用于求解緩存替換問題。針對緩存場景,設計了合適的深度強化學習算法,從歷史請求中挖掘數(shù)據(jù)請求的流行度規(guī)律和時效性規(guī)律,優(yōu)化獲取物聯(lián)網(wǎng)暫態(tài)數(shù)據(jù)的通信成本和數(shù)據(jù)時效性成本,...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

圖1-1全球物聯(lián)網(wǎng)（IoT）接入設備數(shù)量2015-2025[1]

圖3-3數(shù)據(jù)項時效性示意圖

圖4-1緩存策略算法框架

圖5-1行動者和評論家類視圖

本文編號：3886316