一种基于离线-在线深度强化学习的NDN缓存策略

本发明公开了一种基于离线‑在线深度强化学习的NDN缓存策略，涉及命名数据网络领域，包括步骤：在NDN网络的路由器内增加兴趣请求表；提取缓存日志数据；使用自注意力机制动态分配各属性权重；离线训练，提取最优缓存策略；使用IQL模型在线微调模块对策略调优；周期性的执行在线微调模块。本发明针对真实拓扑TISCALI进行了大规模的仿真，与现有典型缓存策略相比，本发明能够明显提高网络中的整体缓存命中率、降低时延、降低链路拉伸率以及提高用户体验。