CN115941790B 边缘协同内容缓存方法、装置、设备及存储介质 （北京邮电大学）

司联邦预测模型是基于协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习2将各所述业务偏好数据输入至联邦预测模型，得到所述联邦预测将所述组件需求预测结果进行强化学习计算，得到全局最优预缓基于各所述边缘节点的坐标位置，将各所述边缘节点进行聚类，得对于所述协作缓存域内任意一个边缘节点，在所述协作缓存域中的将所述边缘节点中的训练模型以及所述训练模型的全局模型参数下发至各所述训练基于所述聚合模型参数，对所述训练模型的全局模型参数进行基于各所述训练车辆对应的权重比例以及本地模型参数进行聚合基于所述组件需求预测结果和所述当前车辆密度状态，结合3基于各所述边缘节点存储的各个预缓存服务组件，按照预先设置的若接收到所述服务请求的目标边缘节点存储有所述请求服务若所述目标边缘节点未存储有所述请求服务组件，则查询除了所述目标边缘节点外，在所述协作缓存域内的其他各个边缘节点是否存储有所若有，则向存储有所述请求服务组件对应的边缘节点发送若没有，则向所述边缘协作缓存域模型中的其余各个协作缓存域发送服务组件请求，需求预测模块，用于将各所述业务偏好数据输入至联邦预测模型点内的各个服务车辆的历史偏好数据进行联邦学计算模块，用于将所述组件需求预测结果进行基于各所述边缘节点的坐标位置，将各所述边缘节点进行聚类，得8.一种电子设备，包括存储器、处理器及存储程序被处理器执行时实现如权利要求1至6任一项所述边缘协4取服务组件的过程中会产生较高的端到端传输时延，难以满足大量移动业务的服务需求，述全局最优预缓存策略对应的预缓存组件缓存至边缘[0011]将所述边缘节点中的训练模型以及所述训练模型的全局模型参数下发至各所述训练车辆，以供每一所述训练车辆基于各自对应的历史偏好数据以及所述全局模型参数，5[0014]以供各所述目标训练车辆基于所述更新后的全局模型参数进行新一轮的模型训[0016]基于各所述训练车辆对应的历史偏好数据，计算各所述训练车辆对应的权重比述服务请求对应的请求服务组件交付至所述目标请6缘节点内的各个服务车辆的历史偏好数据进行联邦机程序被处理器执行时实现如上述任一种所述边缘协同内非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例中所使用的单数形式的项目的任何或所有可能组合。7的各个边缘节点获取各个边缘节点中的各个服[0053]具体地，将边缘节点中的各业务偏好数据输入至边缘节所述联邦预测模型是基于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据计算是基于PPO算法(ProximalPolicyOptimization，近端策略优化)计算得到最佳的预空间包括需要缓存哪些服务组件对应的缓存动作以及将服务组件放置在协作缓存域内的述动作空间，通过所述缓存奖励函数计算在缓存过程中缓存不同服务组件所带来的收益，[0057]本发明实施例通过基于联邦学习训练得到的联邦预测模型预测未来的车辆服务8[0061]首先在所述协作缓存域中的各个服务车辆中选取若干辆用于进行模型训练的训所述更新后的全局模型参数进行新一轮的模型训练，直至所述边缘节点的训练模型收敛，[0064]本发明实施例选择协作缓存域内高计算能力与稳定信道的车辆参与联邦学习训9[0065]在本发明的一个实施例中，步骤S13：将所述组件需求预测结果进行强化学习计作缓存域中边缘节点在t时刻的当前存储空间状态，srwe(t)表示协作缓存域中边缘节点在t时刻的组件需求预测结果；表示协作缓存域中边缘节点在t时刻的当前车辆密度[0084]第一种情况：所述目标边缘节点中的各个预缓存服务组件中有所述请求服务组述边缘协作缓存域模型中的其余各个协作缓存域或者向预先设置的中心服务器发送服务点中以及在协作缓存域之间查找服务请求对应的请求服务组件，提高边缘缓存服务的效缓存装置与上文描述的边缘协同内容缓存方法边缘节点内的各个服务车辆的历史偏好数据进行联邦学习[0095]将所述边缘节点中的训练模型以及所述训练模型的全局模型参数下发至各所述训练车辆，以供每一所述训练车辆基于各自对应的历史偏好数据以及所述全局模型参数，[0098]以供各所述目标训练车辆基于所述更新后的全局模型参数进行新一轮的模型训[0100]基于各所述训练车辆对应的历史偏好数据，计算各所述训练车辆对应的权重比述服务请求对应的请求服务组件交付至所述目标请边缘节点中的请求服务组件交付至所述目标请求于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习训练获得；优预缓存策略对应的预缓存组件缓存至边缘节[0120]此外，上述的存储器320中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以序，该计算机程序被处理器执行时实现以执行上述各方法提供的边缘协同内容缓存方法，模型是基于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习述全局最优预缓存策略对应的预缓存组件缓存至边缘以是或者也可