基于Q-learning的分布式基站缓存替换策略

• 作者: 刘彩霞 季新生 房晓阳 杜福德 陈龙
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 缓存替换 马尔科夫博弈模型 Q-learning 移动通信网
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 通信工程与技术
• 页码范围: 526-530
• 页数: 5页
• 分类号: TN915.81
• 字数: 5018字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2017.05.003

摘要

针对传统替换策略的不足,提出一种基于Q-learning的缓存替换策略.该方法使用马尔科夫博弈模型描述多基站协作替换问题,以降低网络服务延迟为目标,利用分布式Q-learning算法获得Nash均衡点作为最优策略.实验表明,与其他缓存替换策略相比,该方法能够有效降低网路延迟,提升服务质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘彩霞		52	410	12.0	18.0
2	季新生		100	505	11.0	17.0
3	陈龙		5	4	1.0	1.0
4	房晓阳		1	0	0.0	0.0