面向SAGIN场景的无人机缓存决策

摘要

针对移动边缘计算场景下数据流量高速增长带来的任务缓存时延过长的问题，提出基于深度强化学习算法的缓存优化方案。首先，在使用5G技术的空天地一体化网络场景架构下，以最小化任务缓存时延为目标，对缓存和通信模型进行建模；其次，使用SAC(soft actor-critic)算法对局部最小缓存时延进行干扰，并根据一定概率接受新方案，从而获得全局最大缓存命中率；最后，对上述过程重复迭代，得到目标问题的一个最优解，确保了任务文件被预缓存在最优位置。仿真结果表明，在空天地一体化网络协同架构下，与PPO方案相比，该方案能够减少优化传输效率，降低缓存时延5.30%，提高缓存命中率3.90%。

关键词

移动边缘计算 / 深度强化学习 / 无人机 / 空天地一体化网络 / 缓存决策