-
公开(公告)号：CN113271339B
公开(公告)日：2022-03-18
申请号：CN202110445943.5
申请日：2021-04-25
Applicant: 复旦大学
IPC: H04L67/1097 , H04L67/60 , H04L67/568
Abstract: 本发明属于无线传输技术领域，具体为一种用户偏好未知的边缘基站缓存部署方法。本发明针对在无线网络中用户密度和各个文件流行度未知的场景，利用扩展多臂赌博机模型选择缓存部署策略；本发明同时考虑了全局参数即用户密度，和局部参数即文件的流行度的优化，并考虑未知场景下探索和利用的平衡，每一轮迭代优化全局参数和局部参数，在不断学习的过程中推导出最优的缓存部署方案。
-
-
公开(公告)号：CN113271338B
公开(公告)日：2022-04-12
申请号：CN202110445941.6
申请日：2021-04-25
Applicant: 复旦大学
IPC: H04L67/55 , H04L67/10 , H04L67/131
Abstract: 本发明属于无线传输技术领域，具体为一种移动增强现实场景的智能预加载算法。本发明的智能预加载算法，边缘服务器端对于用户的轨迹进行学习，将用户在还没到达某一全息内容前将文件推送给用户。这种推送算法利用空闲带宽对全息内容进行传输以提高边缘基站的传输效率。智能预加载算法在没有提前预知用户的运动轨迹的场景下，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略。智能预加载算法使移动设备通过自身的缓存空间选择性地存储接收到的内容以备将来的请求。尤其是，为了解决场景中全息内容稀疏导致的学习不收敛问题，提出状态相关Q学习算法。
-
公开(公告)号：CN113271338A
公开(公告)日：2021-08-17
申请号：CN202110445941.6
申请日：2021-04-25
Applicant: 复旦大学
Abstract: 本发明属于无线传输技术领域，具体为一种移动增强现实场景的智能预加载算法。本发明的智能预加载算法，边缘服务器端对于用户的轨迹进行学习，将用户在还没到达某一全息内容前将文件推送给用户。这种推送算法利用空闲带宽对全息内容进行传输以提高边缘基站的传输效率。智能预加载算法在没有提前预知用户的运动轨迹的场景下，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略。智能预加载算法使移动设备通过自身的缓存空间选择性地存储接收到的内容以备将来的请求。尤其是，为了解决场景中全息内容稀疏导致的学习不收敛问题，提出状态相关Q学习算法。
-
-
-
Search Results
4
records
(took 0.013 seconds)
