一种基于联邦学习架构的多智能体联合边缘缓存方法

本发明属于移动通信技术领域，尤其为一种基于联邦学习架构的多智能体联合边缘缓存方法，适用于宏微异构网络环境。本发明通过预测内容流行度，采用深度强化学习方法优化缓存决策；该方法通过联邦学习架构和去噪自编码器长短时记忆网络对内容流行度进行分布式预测，实现内容缓存的动态优化。在微宏基站之间，结合博弈模型进行缓存策略和资源分配的优化，以最大化基础设备提供商的效用。该方法引入无信息共享的多智能体深度强化学习算法优化系统效率。系统通过计算终端用户内容流行度动态调整策略，并结合通信资源分配策略降低传输延迟，提升网络性能和用户体验。该方法有效解决了现有系统中的延迟高、缓存资源利用率低等问题，适用于复杂网络环境。