[发明专利]密集场景下面向用户优先级的基站协同缓存方法

摘要

本发明提出了一种在密集场景下面向用户优先级的基站协同缓存方法，主要解决现有技术中用户请求内容在基站缓存器中命中率低及因用户请求被无差异化服务导致高优先级用户被不公平对待的问题。其实现方案是：先根据所有用户的请求信息和基站缓存器中的信息建立基站协同缓存的深度强化学习模型；再对该模型进行离线训练和学习，得到学习好的深度强化学习模型；最后利用该学习好的深度强化学习模型在宏基站处进行在线的基站协同缓存决策。本发明不仅增大了用户的请求内容在基站缓存器中的命中率，而且可对不同优先级的用户提供差异化的服务，既能满足不同用户的上网需求，又能给运营商带来更大的利益，可用于用户在无线网络中对资源的访问。

主权项

1.在密集场景下面向用户优先级的基站协同缓存方法，其特征在于，包括如下：(1)设基站包括一个宏基站和N个微基站，每个基站缓存器的容量大小为定值，假设为C，对基站缓存器的内容进行随机初始化，并由每个微基站中的一个用户A向为该用户提供服务的微基站发送内容请求，每个用户A向基站发送的请求内容服从zipf分布，且每个用户具有各自的优先级，N>＝1；(2)为该用户A提供服务的微基站根据用户的请求，检索本地的微基站缓存器中是否已缓存了与用户请求相匹配的内容：若有，则本地微基站向用户A返回用户所请求的内容，不进行基站缓存器的更新；若没有，则为用户A提供服务的微基站将该用户的请求内容信息发送到宏基站，执行(3)；(3)宏基站根据用户A的请求内容信息检索其他微基站和宏基站的缓存器中是否已缓存了与该用户的请求相匹配的内容：若无，则宏基站从远端服务器获取用户A的请求内容后，执行(4)；若有，则直接执行(4)；(4)宏基站根据用户A的请求内容信息和基站缓存器中的信息，利用基站协同缓存的深度强化学习方法，将基站缓存器中的内容进行更新；(4a)根据所有用户的请求内容信息和基站缓存器信息，建立基站协同缓存的深度强化学习模型；(4b)利用深度强化学习模型进行离线训练和学习，得到学习好的基站协同缓存的深度强化学习模型；(4c)利用学习好的深度强化学习模型在宏基站处进行在线的基站协同缓存决策；(5)宏基站从更新后的基站缓存器中检索用户A的请求内容在基站缓存器中的位置，宏基站向该位置所在的基站发送命令，让该基站将用户A的请求内容发送给为用户A提供服务的本地微基站，并由本地微基站将请求内容发送给用户A。