基于强化学习的CDN边缘节点缓存系统设计与命中率优化.docxVIP

PAGE2

基于强化学习的CDN边缘节点缓存系统设计与命中率优化

摘要

随着视频流媒体、在线游戏等低延迟应用的普及，内容分发网络（CDN）面临日益严峻的挑战。传统CDN边缘节点的缓存策略（如LRU、LFU）在面对动态、非平稳的用户请求模式时，缓存命中率难以保证，导致回源带宽成本高昂和用户体验下降。

本设计旨在构建一个基于强化学习的CDN边缘节点缓存系统，通过智能决策优化缓存内容替换，从而提高命中率。系统总体设计遵循“感知-决策-执行”的闭环架构，核心在于利用深度Q网络（DQN）智能体，根据请求历史、内容流行度、存储状态等多维特征，动态学习并输出最优缓存动作。

论文首先分析了CDN缓存优化