999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

車聯(lián)網(wǎng)中基于聯(lián)邦和強化學習的邊緣緩存策略

2024-12-31 00:00:00張良張國棟盧劍偉雷夏陽程浩
汽車技術(shù) 2024年10期
關(guān)鍵詞:內(nèi)容策略模型

【摘要】為解決車聯(lián)網(wǎng)中傳統(tǒng)內(nèi)容流行度預(yù)測方法無法準確捕獲車輛請求特性,導(dǎo)致緩存命中率較低的問題,提出了一種基于聯(lián)邦學習和強化學習的邊緣協(xié)同緩存策略。該策略將車輛請求概率更高的內(nèi)容預(yù)緩存在其他車輛或路側(cè)單元中,以提高緩存命中率和降低平均內(nèi)容獲取延時。采用聯(lián)邦學習方法利用分布在多個車輛上的私有數(shù)據(jù)進行訓練并預(yù)測內(nèi)容流行度,然后使用強化學習算法求解目標函數(shù),獲得流行內(nèi)容的最佳緩存位置。結(jié)果表明,所提出的策略在緩存命中率和平均內(nèi)容獲取延時方面均優(yōu)于其他對比緩存策略,有效提升了車聯(lián)網(wǎng)邊緣緩存性能。

主題詞:智能交通 邊緣緩存 車聯(lián)網(wǎng) 聯(lián)邦學習 強化學習

中圖分類號:U463.6;TP181" "文獻標志碼:A" "DOI: 10.19620/j.cnki.1000-3703.20230389

Edge Caching Strategy of Internet of Vehicles Based on Federated

and Reinforcement Learning

Zhang Liang, Zhang Guodong, Lu Jianwei, Lei Xiayang, Cheng Hao

(Hefei University of Technology, Hefei 230009)

【Abstract】In order to solve the problem that the traditional content popularity prediction method in the Internet of Vehicles cannot accurately capture the vehicle request characteristics and leads to the low cache hit rate, an edge collaborative caching strategy based on federated learning and reinforcement learning is proposed. This strategy pre-caches content with a higher probability of vehicle requests in other vehicles or roadside units to improve the cache hit ratio and reduce the average content acquisition delay. The federated learning method is used to train and predict the content popularity using private data distributed across multiple vehicles, and then the reinforcement learning algorithm is used to solve the objective function to obtain the best cache location for the popular content. The results show that the proposed strategy is better than other caching strategies in terms of cache hit ratio and average content acquisition delay, which effectively improves the performance of the edge cache of the Internet of Vehicles.

Key words: Intelligent transportation, Edge caching, Internet of Vehicles, Federated learning, Reinforcement learning

【引用格式】 張良, 張國棟, 盧劍偉, 等. 車聯(lián)網(wǎng)中基于聯(lián)邦和強化學習的邊緣緩存策略[J]. 汽車技術(shù), 2024(10): 49-55.

ZHANG L, ZHANG G D, LU J W, et al. Edge Caching Strategy of Internet of Vehicles Based on Federated and Reinforcement Learning[J]. Automobile Technology, 2024(10): 49-55.

1 前言

為了解決車聯(lián)網(wǎng)(Internet of Vehicles,IoV)遠程云服務(wù)器的訪問延時較高,難以滿足低延時和多樣化應(yīng)用需求的問題,研究人員提出了內(nèi)容緩存技術(shù),通過將內(nèi)容預(yù)先緩存到邊緣節(jié)點上,以減少回程鏈路上的數(shù)據(jù)流量并降低服務(wù)延時[1]。然而,邊緣節(jié)點的存儲容量有限,因此緩存策略必須優(yōu)先緩存最受車輛用戶關(guān)注的流行內(nèi)容。緩存策略主要分為反應(yīng)式緩存和主動式緩存兩類[2]。反應(yīng)式緩存依賴于用戶請求后再進行緩存操作,如先進先出和最近最少使用策略。但這種方式僅在內(nèi)容被請求后才會緩存,無法提前緩存未請求過的內(nèi)容。……

登錄APP查看全文

猜你喜歡
內(nèi)容策略模型
一半模型
內(nèi)容回顧溫故知新
科學大眾(2022年11期)2022-06-21 09:20:52
重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
例談未知角三角函數(shù)值的求解策略
我說你做講策略
高中數(shù)學復(fù)習的具體策略
3D打印中的模型分割與打包
主要內(nèi)容
臺聲(2016年2期)2016-09-16 01:06:53
Passage Four
主站蜘蛛池模板: 亚洲精品无码成人片在线观看| 亚洲色图欧美| 亚洲乱码在线播放| 美女免费黄网站| 色视频国产| 97国产精品视频自在拍| 亚洲欧美成人综合| 中文字幕中文字字幕码一二区| 美女毛片在线| 日本不卡在线| 婷婷色中文| 精品国产成人高清在线| 91精品国产91久久久久久三级| 国产91视频免费观看| 夜夜爽免费视频| 欧美人在线一区二区三区| 欧美午夜视频在线| 国产午夜福利片在线观看| 久久婷婷五月综合97色| 无码在线激情片| 成AV人片一区二区三区久久| 欧美午夜视频| 日韩美毛片| 欧美成人免费午夜全| 婷婷综合缴情亚洲五月伊| 天堂成人在线| 免费又黄又爽又猛大片午夜| 欧美日韩国产系列在线观看| 久久人人妻人人爽人人卡片av| 99热这里只有精品免费| AV无码无在线观看免费| 国产一级小视频| 国内精品自在自线视频香蕉| a在线观看免费| 中文字幕无码av专区久久| 欧美午夜精品| 国产午夜福利亚洲第一| 色吊丝av中文字幕| 中文无码精品a∨在线观看| 91在线日韩在线播放| 九色在线观看视频| 99热这里只有精品国产99| 91视频精品| 亚洲国产中文精品va在线播放| 成人精品免费视频| 伊人五月丁香综合AⅤ| 在线观看网站国产| 91啦中文字幕| 正在播放久久| 久久人人97超碰人人澡爱香蕉| 极品国产在线| 亚洲综合色区在线播放2019| 日韩精品一区二区三区视频免费看| 四虎永久免费在线| 亚洲天堂精品在线| 亚洲国产综合自在线另类| 免费A级毛片无码免费视频| 综合色亚洲| 草草线在成年免费视频2| 国产在线自乱拍播放| 激情六月丁香婷婷四房播| 在线观看国产网址你懂的| 精品久久久久久成人AV| 日韩av无码精品专区| 亚洲中文字幕在线一区播放| 欧美日韩v| 伊人网址在线| 久久香蕉国产线看观看亚洲片| 不卡网亚洲无码| 亚洲天堂视频在线观看| 在线观看国产黄色| 强奷白丝美女在线观看| 一级成人a毛片免费播放| 午夜a级毛片| 久久精品国产在热久久2019| 国模在线视频一区二区三区| 国产自在线播放| 婷婷五月在线| 国产手机在线小视频免费观看| 伊人久久大线影院首页| 无码aaa视频| 亚洲综合经典在线一区二区|