检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘计算中的视频缓存与处理算法研究

边缘计算中的视频缓存与处理算法研究

作者：陈宁昊北京交通大学

学位级别：硕士

随着互联网的飞速发展,缓存技术(caching)的应用范围越来越广,从最初的操作系统和CPU,到如今的服务器和边缘节点。随着边缘计算等概念的相继出现和普及,缓存有了更丰富的应用场景和落地方式。通常来说,对于热点内容的缓存能减少不必要... 详细信息

随着互联网的飞速发展,缓存技术(caching)的应用范围越来越广,从最初的操作系统和CPU,到如今的服务器和边缘节点。随着边缘计算等概念的相继出现和普及,缓存有了更丰富的应用场景和落地方式。通常来说,对于热点内容的缓存能减少不必要的开销并提升效率。在边缘计算场景下,利用边缘节点靠近用户的特点,预先在边缘节点中缓存热门视频,能缩短用户获取视频的时间,大幅提升用户体验。然而,热门视频可能会有很多,单个视频会被编码成不同的清晰度,在复杂场景下如何选择要缓存的视频和比特率,如何平衡用户体验、边缘节点有限的存储和计算资源,以及视频提供商(video provider,VP)的成本仍然极具挑战性。另外,在有多个视频提供商的情况下,维护边缘节点的网络服务提供商(network service provider,NSP)如何分配存储空间给各个VP,提高空间利用率,并最大化其利润,是需要考虑和研究的。因此,本文的主要工作如下:(1)边缘计算中的多比特率视频缓存设计方法。本文首先根据视频的流行度分布、用户获取视频的时延等因素建立了参数化系统;其次,基于效用函数量化了缓存收益,以便将视频缓存问题建模为目标函数是效用函数的最优化问题。之后,本文研究了视频只包含单个比特率版本的场景和包含多个比特率版本的场景,并提出了分别适用于两种场景的视频缓存算法。最后,本文借助仿真实验对算法性能进行了评估。结果表明,提出的算法有着良好的性能,能高效地给出合理的视频缓存方案。(2)联合视频缓存的存储空间分配设计方法。本文在建立了相应的参数化系统后,基于效用函数量化了分配收益,以便将空间分配问题转变为求解包含一个约束条件的最优化问题。之后,本文尝试引入博弈论中的相关方法辅助求解,提出了用于求出问题最优解以及博弈平衡点的算法。仿真实验结果表明,提出的算法能给出合理的空间分配方案。

关键词：边缘计算视频缓存 Stackelberg博弈论背包问题

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向移动边缘网络的视频缓存策略研究

面向移动边缘网络的视频缓存策略研究

作者：陈曦郑州轻工业大学

学位级别：硕士

随着互联网通信的快速发展和智能终端的广泛应用,视频流量呈螺旋式增长,将视频缓存移动到网络边缘是卸载核心网络流量和缩短用户访问内容延迟的有效解决方案。但现有的缓存工作缺乏对用户和视频内容的综合考虑,导致缓存命中率低,整个系... 详细信息

随着互联网通信的快速发展和智能终端的广泛应用,视频流量呈螺旋式增长,将视频缓存移动到网络边缘是卸载核心网络流量和缩短用户访问内容延迟的有效解决方案。但现有的缓存工作缺乏对用户和视频内容的综合考虑,导致缓存命中率低,整个系统的准确率不高。移动边缘网络技术可以利用广泛分布的移动边缘基础设施来存储和分发视频,不仅能够有效地提高视频分发容量并缓解核心网拥塞问题,而且可以有效地协助用户在靠近用户侧的网络获取视频,降低远程视频内容服务器的访问压力,并根据视频流行度进行预测和动态更新边缘服务器的缓存。因此,缓存机制是移动边缘网络的核心技术之一,也是未来网络领域的研究热点。本文分别针对移动边缘网络中的视频缓存决策策略和替换策略进行研究。(1)针对移动边缘网络中,用户分布的不均匀性、用户偏好的异质性以及视频内容特征的差异性,提出了移动边缘网络中的视频缓存决策策略,以提高视频内容的缓存效率和预测精度。首先构建了用户请求内容和视频内容预测的协同缓存模型,并采用基于赤池信息准则的聚类算法对用户进行聚类;接着,根据聚类结果,使用回声状态网络作为机器学习框架来预测视频;最后,根据预测结果将未来访问概率高的视频缓存到小型基站。仿真结果表明,与KNN、LCE和LCD缓存决策策略相比,该方法在缓存命中率、准确率和召回率方面都有明显的提高。(2)针对移动边缘网络中,边缘服务器存储空间不足的问题,提出了移动边缘网络中的视频缓存替换策略,以达到更好的缓存命中率。首先构建了基于混合多元回归的视频预测模型,该模型考虑了观看时间、共享次数和视频内容流行度等多因素;然后,根据预测的视频流行度,动态地替换不流行的视频内容。该策略不仅在大时间窗口下表现良好,且在较小窗口下表现更好,因为它可以更准确地预测流行度剧烈变化下的视频内容。与LRU、SW-LFU、JW-LFU和FIFO-LFU缓存替换策略相比,该策略在平均命中率方面表现更好,可以有效提高缓存空间利用率。

关键词：移动边缘网络视频缓存内容预测缓存决策缓存替换

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动边缘缓存中的视频缓存策略研究

移动边缘缓存中的视频缓存策略研究

作者：陈冠鹏北京邮电大学

学位级别：硕士

随着视频业务的迅速发展,无线网络中流量负担不断加重。移动边缘缓存技术通过将内容存储在边缘服务器,可以有效地减轻流量负担。但是受限于边缘节点存储和计算能力有限,如何选择缓存内容以最大化缓存效率十分重要。因此,本文针对移动边... 详细信息

随着视频业务的迅速发展,无线网络中流量负担不断加重。移动边缘缓存技术通过将内容存储在边缘服务器,可以有效地减轻流量负担。但是受限于边缘节点存储和计算能力有限,如何选择缓存内容以最大化缓存效率十分重要。因此,本文针对移动边缘缓存中内容选择问题,在单个内容提供商和多内容提供商两个场景分别进行研究,旨在提升缓存命中率,优化用户体验。针对单个内容提供商场景中内容选择问题,本文提出了一种基于用户偏好预测模型(Neural Collaborative Filtering without Content Popularity,NCFCP)的边缘缓存策略。由于内容流行度和个人偏好具有不同的变化规律,我们分别对二者独立建模来提高预测用户偏好的准确性。为了使缓存命中率最大化,首先提出了一个优化问题,并将其分解为个人偏好预测和内容放置。在个人偏好预测方面,NCFCP可以更精确地建模用户和内容之间的关系。在内容放置方面,设计了一个考虑用户活跃度的缓存机制。在真实数据集中的性能评估表明,该算法在缓存命中率和用户满意度方面的平均性能分别比基准算法高出 18%和 20%。针对多内容提供商场景下的内容选择问题,本文提出一种基于联邦学习的边缘缓存策略(Federated Matrix Factorization for Group,FedMF-Group)。由于各个内容提供商之间的用户数据不能交互,阻碍了算法模型的提升。因此,该策略改进了传统的集中式矩阵分解算法,采用加密型的分布式框架,简单地说,FedMF-Group采取“边缘服务器-本地服务器”模式,每个内容提供商在各自的服务器上利用用户和内容交互的数据计算单个用户的梯度,然后将各个用户的梯度聚合得到区域梯度,再将加密后的区域梯度而不是原始偏好数据上传到边缘服务器进行训练。最后,设计了基于群体喜好度的内容缓存机制。在真实数据集中的性能评估表示,该算法在预测精度和缓存命中率上逼近理想条件下集中式缓存策略,在消耗时间上与加密型用户级矩阵分解策略相比大大减少,达到了效率性和安全性的较好融合。

关键词：移动边缘缓存视频缓存联邦学习用户偏好预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

智慧高铁场景下的视频缓存策略研究

智慧高铁场景下的视频缓存策略研究

作者：孙成浩北京交通大学

学位级别：硕士

随着新一代无线通信技术的发展和用户终端设备的更新,数字通信业务的种类不断丰富,其中视频业务占据了大量的移动数据流量且占比仍在不断上升。与此同时,高铁乘客日益增长的视频业务需求也对高铁的通信系统提出了更高的要求。边缘缓存... 详细信息

随着新一代无线通信技术的发展和用户终端设备的更新,数字通信业务的种类不断丰富,其中视频业务占据了大量的移动数据流量且占比仍在不断上升。与此同时,高铁乘客日益增长的视频业务需求也对高铁的通信系统提出了更高的要求。边缘缓存技术被认为是减轻网络压力、提高内容交付效率的有效方法,然而受到高铁缓存网络特点和列车高速移动性的影响,现有的边缘缓存技术难以直接应用于高铁场景。基于上述背景,本文提出以下研究内容:首先,由于高铁车载用户对于视频服务时延要求较高,本文根据内容所在边缘节点的不同将视频内容划分为在线内容和离线内容,在线内容存储在云服务器,可以通过路侧基站缓存的方式降低用户获取在线视频的时延;离线内容存储在车载缓存服务器,可以通过车载中继广播的方式增加离线内容的吞吐量。提出联合缓存和广播的内容交付策略,旨在保证离线内容吞吐量的情况下,最小化视频内容的平均服务时延。设置缓存变量和广播变量,将最小化视频服务时延的问题公式化为多变量0-1规划问题。为了解决该优化问题,使用交替优化算法分别对含有缓存变量和广播变量的0-1规划问题进行求解。仿真结果表明,本文提出算法能够快速收敛,且视频的平均服务时延要小于对比算法。其次,为了提升离线内容的广播吞吐量,本文提出列车停靠车站场景下用户协同缓存的离线内容下载策略,旨在利用有限的列车停靠时间使下载到车载缓存服务器中的离线内容收益最大化。为了求解该优化问题,使用加权二分图表示各个时隙用户与缓存任务之间的竞标关系,使用改进的KM算法得到用户和缓存任务的最优匹配,使用协同过滤算法为竞标失败的用户推荐任务。仿真结果表明,本文提出的算法在社会收益和任务完成率上都要优于对比算法。最后,为了提高在线视频的服务质量,本文提出列车运行场景下基于强化学习的缓存内容分发策略,旨在通过多个基站之间的协同缓存最大化基站的在线视频服务质量。由于内容分发过程是连续的,可以定义为马尔可夫过程,因此本文使用强化学习TD3算法实现了自适应的内容分发方法。仿真结果表明,本文提出的算法能够收敛,且在多个基站上的平均服务质量优于对比算法。

关键词：边缘缓存视频缓存智能铁路强化学习推荐算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向异构蜂窝网视频缓存的使能方法研究

面向异构蜂窝网视频缓存的使能方法研究

作者：张驰南京大学

学位级别：硕士

近年来,为了应对移动数据流量的爆发式增长,通过在传统基站覆盖范围内布置低成本、低能耗、覆盖范围小的异构小基站构建的异构蜂窝网络受到了广泛的关注。但是小基站有限的回程链路带宽往往会成为异构蜂窝网络的瓶颈。异构蜂窝网络中,... 详细信息

近年来,为了应对移动数据流量的爆发式增长,通过在传统基站覆盖范围内布置低成本、低能耗、覆盖范围小的异构小基站构建的异构蜂窝网络受到了广泛的关注。但是小基站有限的回程链路带宽往往会成为异构蜂窝网络的瓶颈。异构蜂窝网络中,在小基站上主动缓存流行视频文件能够有效地缓解回程链路压力、减少传输时延。如何在现有的异构网络中启用缓存功能以及如何联合缓存部署规划异构蜂窝网络成为值得关注的问题。本文研究面向异构蜂窝网络视频缓存的使能方法,主要贡献如下:1、针对在现有异构蜂窝网络中如何启用缓存功能的问题,研究如何在小基站启用与存储代价受限的情况下,联合优化小基站的启用、缓存大小的分配及缓存文件放置策略以最大化系统缓存命中率。首先将该预算受限的缓存启用问题建模成组合优化问题,并证明了即使不考虑小基站启用代价,该问题依然是NP难问题,且除非P=NP,不存在近似率超过1-1/e的多项式时间近似算法。针对小基站启用代价为零或者相同的情形,提出了基于最大覆盖及分割的近似算法,其具有最优近似率1-1/e。针对小基站启用代价任意的一般情形,提出了一种主要基于贪心的启发式算法,并证明了该算法具有(1-1/e)/2的近似率。仿真实验结果凸显了为小基站分配合理缓存大小的重要性,并表明所提算法比启用覆盖用户最多的小基站的方法具有更优的性能。2、针对如何联合缓存部署对异构蜂窝网络进行规划的问题,研究在有限的预算下,联合优化大小基站部署位置的选定、基站带宽与能量资源的分配、启用小基站上缓存的分配以及缓存文件的放置方案使得网络服务可满足的用户数量最大化。本文将上述问题建模成一个混合整数规划问题,并通过将其分解成多个子问题求解。首先,将带宽与能量分配问题建模成一个凸优化问题进行求解,并利用已有的算法求解大基站启用及用户关联问题;其次,提出一个基于贪心的启发式算法完成小基站的启用、缓存分配及用户关联问题的求解;最后,原问题的求解算法将预算分为两部分用于大小基站的启用及小基站缓存分配并通过遍历所有分配情况的方式完成求解。仿真实验结果表明,缓存能够有效地降低回程链路的压力,增强小基站的通信能力,在相同的预算下联合缓存的网络规划能够有效地提高整个网络服务用户的数量。

关键词：异构蜂窝网络视频缓存缓存使能网络规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动边缘计算网络中视频缓存策略研究

移动边缘计算网络中视频缓存策略研究

作者：张家豪广西师范大学

学位级别：硕士

近年来随着移动通信技术的发展,无线通信网络中的移动设备数量呈爆发式地增长,随之出现了大量的新兴互联网应用,尤其是移动视频业务的快速发展,导致视频数据产生的流量在通信网络中所占比例越来越大。在以高带宽消耗视频文件作为服务访... 详细信息

近年来随着移动通信技术的发展,无线通信网络中的移动设备数量呈爆发式地增长,随之出现了大量的新兴互联网应用,尤其是移动视频业务的快速发展,导致视频数据产生的流量在通信网络中所占比例越来越大。在以高带宽消耗视频文件作为服务访问热点的场景中,传统的云计算模式受限于回程链路的带宽容量,难以同时响应大规模的视频请求,导致网络拥塞,响应时延过长等情况频繁出现。为了克服现有网络架构的局限性,研究人员提出了在网络边缘就近提供计算和存储资源的移动边缘计算（Mobile Edge Computing,MEC）架构,以缓解回程链路的流量压力,降低请求的响应时延。在视频业务中,利用MEC服务器将视频资源进行缓存显然可以有效应对移动视频流量高速增长带来的问题,然而考虑到成本投入有限,不能任意地部署边缘资源来满足用户日益增长的需求,所以缓存策略的性能就显得尤为重要。现有的基于LRU和LFU的缓存策略假设用户的访问模式是固定的,即最近请求或经常请求的视频在将来有更高的概率被访问,但在移动视频网络中,流行内容总是很快到期,过去的访问模式往往无法准确表示视频未来的流行度。有研究尝试选取用户偏好、请求记录等信息对流行度建模,但是除了显式的特征,移动视频网络中的一些隐式特征如用户移动性、用户交互行为、网络状态等也会对视频流行度产生影响,导致该类策略难以对流行度精确建模。为了提高动态变化场景下缓存策略的性能,有研究提出了基于深度强化学习的缓存策略,该类策略在没有任何关于内容流行度先验信息的情况下,利用深度强化学习技术感知环境状态,根据观察到的环境数据自主学习缓存策略,但是该类方案大部分没有考虑视频码率的选择。此外,现有研究大多以命中率、流量卸载作为性能的评价指标,导致在选择码率时未能充分考虑缓存策略对用户体验质量的影响。考虑到移动边缘计算网络环境下,网络状况的时变性、用户的移动性,视频文件的特性等都会对缓存策略造成影响,如何高效利用边缘节点和无线网络有限的资源,为用户提供高质量、低延时的视频服务是移动边缘计算中一个重要的课题。本文致力于研究移动边缘计算网络下视频业务的缓存更新和放置策略,主要工作如下:（1）移动边缘计算网络中自适应码率选择的视频缓存更新策略针对移动边缘计算网络下视频流行度、网络状态难以精确建模的问题,研究了视频点播服务下自适应码率选择的视频缓存更新策略。首先,提出了基于移动边缘计算网络的视频缓存架构,在此架构下,MEC平台具有缓存、转码以及无线网络状态感知能力,缓存系统可利用MEC平台提供的功能设计缓存策略。其次,定义了以最大化系统和用户Qo E收益为目标的缓存更新优化问题。最后将视频的历史请求信息以及用户的历史网络信息作为环境状态,设计了一种基于深度强化学习的缓存更新和码率选择算法。该算法能够感知环境的状态信息,并根据环境的反馈自主学习缓存策略。所提方案同时优化了缓存更新时机、缓存视频及其码率的选择。经仿真实验表明,本文所提方案能有效提高系统的缓存收益和用户的体验质量。（2）移动边缘计算网络中具有用户位置感知的多基站协作短视频缓存放置策略针对短视频流行度变化快、请求概率与用户位置分布密切相关的特点,研究了移动边缘计算网络下考虑用户移动性的短视频协作缓存策略。首先,提出了移动边缘计算网络下的云边协同架构,该架构下配备有宏基站和微基站,每个微基站都可以与宏基站进行通信,邻近的边缘节点间之间可以协作缓存。短视频平台的推荐系统根据用户的偏好生成到推送的短视频集合并确定短视频的流行度排名,边缘节点在缓存视频前,利用移动性管理模块预测下一时隙用户所处的基站,缓存控制模块根据用户分布情况决定短视频缓存的位置。其次,对用户移动性和缓存放置问题进行建模,定义了以最大化单位流量和时延收益为目标的缓存放置优化问题。最后,基于LSTM网络模型和深度强化学习设计了一种具有用户位置感知的缓存放置算法,该算法能够准确预测用户的移动轨迹,并且能根据用户移动情况将短视频缓存到合适的位置,以满足更多用户的短视频请求。实验结果表明,所提方案能有效减少回程链路流量、降低视频传输时延,进一步对实验测试和分析发现,准确预测用户移动的目标位置、选择短视频合适的放置位置对提升缓存性能非常重要。

关键词：移动边缘计算视频缓存码率选择短视频深度强化学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动边缘计算中视频缓存更新与预测研究

移动边缘计算中视频缓存更新与预测研究

作者：廖永强重庆邮电大学

学位级别：硕士

随着各种视频社交平台的流行,如抖音、B站和快手等,将会在网络传输链路中产生巨大的数据流量。在传统的云计算模型下,用户的请求是在云端进行内容交付,云计算在数据流量巨大的情况下不具备低时延、高速率的特性。而移动边缘计算是将计... 详细信息

随着各种视频社交平台的流行,如抖音、B站和快手等,将会在网络传输链路中产生巨大的数据流量。在传统的云计算模型下,用户的请求是在云端进行内容交付,云计算在数据流量巨大的情况下不具备低时延、高速率的特性。而移动边缘计算是将计算和存储资源下沉到离用户近的边缘,由边缘处理用户的请求,这将会弥补云计算的不足。在MEC中可以缓存流行的视频数据内容,由MEC完成用户的内容交付,将会降低内容交付时延和提高网络带宽容量,降低网络链路压力。另外,在边缘缓存中,随着推荐算法的发展,用户的访问行为变得可以预测,所以也可以将用户可能会访问的视频数据缓存到MEC节点存储,这样就可以使更多用户的视频请求在边缘被处理。目前关于MEC中的缓存与预测已经取得了一定的进展,但是在视频流行度衡量方面不够准确,另外未能将主动缓存与反应式缓存两者结合。针对上述分析,主要工作如下:第一,本文通过分析视频的特征,提出了一种基于视频流行度的反应式缓存更新算法,该算法综合考虑了视频随时间的变化、随访问频率的变化和随视频质量的变化。然后通过爬虫技术爬取了B站上用户对视频的访问信息,如播放量、视频发布日期、点赞数等。基于爬取的数据,利用提出的算法计算视频的流行度,当MEC节点存储满了时,将流行度高的视频替换掉流行度低的视频。结果表明,该算法可以提高缓存命中率。同时,不同的衰减系数也会对命中率产生影响。第二,在反应式缓存算法的基础上,提出了一种在MEC架构下的缓存预测系统,利用改进的协同过滤算法,该算法将用户可能会观看并且该视频不在边缘存储的视频提前从云端缓存到边缘存储。通过实验分析了不同的预测系数和视频播放占比对命中率产生影响,最后结果表明,该算法可以进一步提升缓存命中率。

关键词：移动边缘计算边缘缓存视频缓存流行度协同过滤

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车辆网络中移动边缘视频缓存研究

车辆网络中移动边缘视频缓存研究

作者：杨瑞航西南大学

学位级别：硕士

随着视频业务和先进计算技术的不断发展,移动用户对网络资源和性能的要求也在不断提高。近年来,移动边缘计算（Mobile Edge Computing,MEC）技术被应用于车辆网络（Vehicular Networks,VNs）中,以应对车辆的高移动性和网络拓扑结构的变... 详细信息

随着视频业务和先进计算技术的不断发展,移动用户对网络资源和性能的要求也在不断提高。近年来,移动边缘计算（Mobile Edge Computing,MEC）技术被应用于车辆网络（Vehicular Networks,VNs）中,以应对车辆的高移动性和网络拓扑结构的变化。随着智能交通系统的快速发展,用户对道路状况的传递、交通事故的预测和车载娱乐的要求越来越高。但是,通过小单元进行致密化和在基站中进行缓存所需的安装和维护成本非常昂贵,且现有的VN通信技术研究更多针对于普适化的数据和文件的分发与缓存,而对于车载视频的研究较少。此外,VN缓存更多的倾向于对文件平均化处理,且在VN中用户的高移动性也使得车辆的链接概率问题尤为突出。为解决MEC中的VN缓存带来的上述问题,本文重点考虑了视频文件属性和缓存容量限制,提出了一种分组视频缓存策略,有效提升了缓存命中率并降低时延。进而,本文提出了用户体验质量（Quality of Experience,Qo E）感知的视频缓存策略,使得流量卸载达到最大化。本文主要研究内容分为以下两个方面:（1）本文以缓存命中率和延迟作为评价缓存性能的指标,提出了一种分组视频缓存策略。该策略首先将VN的视频内容进行分组处理,然后,运用拉格朗日函数和朗伯函数求解最优缓存概率矩阵。我们进一步构造由缓存时延和缓存命中率组成的收益函数,以收益值最大化为目标。本文通过在MATLAB上对车辆与道路进行模拟,进行仿真实验。实验结果表明,视频文件大小和缓存大小的双重影响是影响缓存概率的重要因素;同时,在视频内容流行度、用户请求概率、通信距离、用户分布密度不断变化时,本文的GPC算法都能取得相对最大的收益。需要注意的是,用户分布密度过大时,收益值会降低。（2）本文通过内容的检索时间差异来考虑对用户体验的影响,通过将缓存卸载流量所占全部流量的百分比作为度量Qo E的指标。本文首先对该场景进行分析建模,并制定优化问题,进而转化为更易求解的几何规划问题,在保证用户体验保障的同时,实现流量卸载最大化;同时本文在MATLAB中进行了基于跟踪的模拟,并且表明,总流量半数以上可以被卸载,优于现有的缓存方案。

关键词：移动边缘计算车辆网络视频缓存优化策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的分布式视频缓存策略研究

商丘师范学院学报 2023年第3期39卷 16-19页

作者：刘亚男安徽工商职业学院管理学院安徽合肥231131

为了适应大规模移动缓存网络动态且多样化的请求模式,基于深度强化学习模型提出了一种新颖的分布式视频缓存策略.该策略利用多智能体之间的协作,以自适应的方式学习最佳的缓存决策,从而减少内容访问时延和流量成本.使用真实的视频请求... 详细信息

为了适应大规模移动缓存网络动态且多样化的请求模式,基于深度强化学习模型提出了一种新颖的分布式视频缓存策略.该策略利用多智能体之间的协作,以自适应的方式学习最佳的缓存决策,从而减少内容访问时延和流量成本.使用真实的视频请求数据集,将该策略与主流的缓存策略进行对比评估.实验结果表明,该策略能够在降低时延和流量成本的情况下,实现较高的缓存命中率.

关键词：视频缓存深度强化学习 Actor-Critic网络