一种基于联邦学习与DQN的缓存节点选择方法

本发明公开了一种基于联邦学习与DQN的缓存节点选择方法，涉及DQN缓存策略技术领域，包括以下步骤：S1、对NDN网络中路由器内的原始CS表结构进行改造；S2、在NDN网络的路由器内增加节点信息表；S3、对NDN网络中原始的兴趣包和数据包的结构进行改造；S4、使用AE模型预测出流行内容，本发明在路由器内对原始CS表结构进行改造，同时引入节点信息记录表，对NDN网络中的兴趣包和数据包结构也进行了改造，以适应新的缓存策略，利用AE模型预测流行内容，结合DQN模型计算最优的缓存位置，并通过联邦学习进一步优化DQN模型，在实际应用中，周期性地执行缓存替换算法，能够明显提高网络中的整体缓存命中率、降低时延、降低链路负载以及提高用户体验。