一种基于深度强化学习的改进RSU流行文件分配方法

本发明提出了一种基于深度强化学习的改进RSU(road side unit)流行文件分配方法，属于车联网边缘计算技术领域，解决了RSU错误缓存文件导致的文件响应率较低和文件传输时延较大的技术问题。其技术方案为：包括以下步骤：S1：在每轮中，基于通信范围内所有车辆的文件请求，两个RSU确定Fc个待缓存的流行文件；S2：RSU初始化主Q网络、目标Q网络和经验回放缓冲区；S3：RSU训练目标Q网络和更新主Q网络；S4：基于深度强化学习的结果，本地RSU与邻居RSU分配流行文件，以此响应车辆文件请求。本发明的有益效果为：本发明提出一种基于深度强化学习的RSU流行文件分配算法，可提高缓存文件的响应性能。