移动边缘网络中基于强化学习的缓存技术综述
网络与互联网体系结构
2021-05-18 v3 信息论
机器学习
math.IT
摘要
移动网络的数据量和用户密度正经历巨大增长。缓解该问题的一项高效技术是利用边缘网络节点（如固定或移动接入点乃至用户设备）的缓存，将数据拉近至用户侧。同时，机器学习与无线网络的融合为网络优化提供了可行途径，有别于传统优化方法的高复杂度或无法给出最优解。在各机器学习类别中，强化学习以在线自主方式运行，无需依赖大量历史数据训练。本综述介绍基于强化学习的移动边缘缓存，旨在凸显相较传统缓存方法所实现的网络增益。考虑到第六代（6G）网络在固定、车载和飞行网络等多种无线场景下的异构性，介绍了有别于传统架构的学习辅助边缘缓存。此外，依据频谱效率、能量与缓存效率、平均时延以及回传和前传卸载等期望性能指标进行了分类。最后讨论了若干开放问题，以激发对该重要研究领域的进一步关注。
引用
@article{arxiv.2105.05564,
title = {A Survey on Reinforcement Learning-Aided Caching in Mobile Edge Networks},
author = {Nikolaos Nomikos and Spyros Zoupanos and Themistoklis Charalambous and Ioannis Krikidis and Athina Petropulu},
journal= {arXiv preprint arXiv:2105.05564},
year = {2021}
}
备注
26 pages, 7 figures