实时更新成本减半
一种基于深度Q学习的轻量级缓存算法，通过分解Q值函数和低成本动作设计，实现边缘服务器的实时视频缓存决策，在真实腾讯视频数据上验证，性能显著优于现有方法。
崔来中 · Erchao, Ni · Zhou, Yipeng · Wang, Zhi · 张蕾 · Liu, Jiangchuan · 徐跃东
IEEE Transactions on Multimedia 2023
将 Q 值函数分解为视频价值函数与动作函数的乘积，显著缩小状态空间。
低成本动作函数设计使缓存视频可随动态流行度即时更新。
动作函数针对成本感知缓存决策实例化，降低替换成本。
基于腾讯视频追踪数据，性能显著优于当前最优方案。