多层联邦深度强化学习的车辆边缘协作缓存方法及系统
本发明公开了一种多层联邦深度强化学习的车辆边缘协作缓存方法。该方法利用联邦学习，框架分布式地训练基于深度强化学习的车辆边缘协作缓存算法。具体地，通过动态感知内容的受欢迎程度，利用DRL中的DDQN算法获得最优协作缓存策略，从而降低内容传输延迟和响应时间。联邦学习的训练方式使得用户数据保存在用户本地进行训练而不必上传到RSU，有力保护了用户隐私。同时，在此基础上提出多级聚合的概念，通过设计的全局聚合器能够更好地感知全局内容流行度的变化，加快了模型的收敛速度。
《多层联邦深度强化学习的车辆边缘协作缓存方法及系统》是一发明专利，专利号为 2021103074030，当前法律状态为已售，由重庆邮电大学提出申请，发明人为冉泳屹;赵雷;雒江涛;李灵，公开（公告）日期为2021-06-29，国际专利分类号（IPC）为 H04L29/08(2006.01)I;G06K9/62(2006.01)I，高新资质：未报高企，所属技术领域包括：智能交通系统与分布式人工智能。该专利权属清晰，可通过正规流程办理转让，适用于企业技术升级、资质申报与战略布局。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种多层联邦深度强化学习的车辆边缘协作缓存方法。该方法利用联邦学习，框架分布式地训练基于深度强化学习的车辆边缘协作缓存算法。具体地，通过动态感知内容的受欢迎程度，利用DRL中的DDQN算法获得最优协作缓存策略，从而降低内容传输延迟和响应时间。联邦学习的训练方式使得用户数据保存在用户本地进行训练而不必上传到RSU，有力保护了用户隐私。同时，在此基础上提出多级聚合的概念，通过设计的全局聚合器能够更好地感知全局内容流行度的变化，加快了模型的收敛速度。
海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！
