合作式边缘缓存：一种基于元强化学习和边缘取样的方法
摘要：基于学习的边缘缓存方案通常受到动态内容流行度的困扰，例如在新兴的短视频平台上，用户的请求模式会随着时间和不同边缘的变化而显著变化。对于特定的本地边缘缓存，一个直观的解决方案是从其他边缘缓存中收集更多的请求历史。然而，由于不同边缘上的异构内容分布，将这些请求历史均匀合并可能无法令人满意地执行。为了解决这个问题，我们提出了一个协作式边缘缓存框架。首先，我们设计了一个基于元学习的协作策略，以确保本地模型能够及时满足不断变化的内容流行度。然后，我们设计了一种边缘采样方法，选择更有价值的邻近边缘参与本地训练。为了评估所提出的框架，我们进行了基于跟踪的实验，以展示我们设计的有效性：与其他基准相比，它将平均缓存命中率提高了10.12％（归一化）。
作者：Bowei He, Yinan Mao, Shiji Zhou, Chen Ma, Zhi Wang
论文ID：2308.04205
分类：Multimedia
分类简称：cs.MM
提交时间：2023-08-09