一种基于移动性感知深度强化学习的边缘缓存延迟优化方法

本发明公开了一种基于移动性感知深度强化学习的边缘缓存延迟优化方法，涉及无线通信技术领域，包括如下步骤：步骤一、采集所有用户的位置；步骤二、根据用户的轨迹数据，预测用户的下一时刻位置；步骤三、根据预测的用户位置，构建优化问题；步骤四、将所述优化问题转换为马尔可夫决策过程，并根据预测的用户下一时刻位置，通过DQN算法对所述优化问题求解，获得最小化边缘缓存网络的内容传输时延。本发明具有提升边缘缓存系统性能、突破了传统单层优化策略的局限性、实现预测误差的动态补偿和能够显著优化内容传输延迟的特点。