基于Q-learning的分布式基站缓存替换策略

针对传统替换策略的不足,提出一种基于Q-learning的缓存替换策略。该方法使用马尔科夫博弈模型描述多基站协作替换问题,以降低网络服务延迟为目标,利用分布式Q-learning算法获得Nash均衡点作为最优策略。实验表明,与其他缓存替换策略相比,该方法能够有效降低网路延迟,提升服务质量。