买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江南大学申请的专利基于联邦深度强化学习的低成本视频边缘缓存方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119450101B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411514621.1，技术领域涉及：H04N21/231；该发明授权基于联邦深度强化学习的低成本视频边缘缓存方法是由李光辉;钱珍设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于联邦深度强化学习的低成本视频边缘缓存方法在说明书摘要公布了：本发明公开了基于联邦深度强化学习的低成本视频边缘缓存方法，属于云边协同的边缘缓存技术领域。本发明方法包括：建立网络模型；底层移动终端利用本地隐式反馈数据训练自编码器，中间层的边缘服务器应用联邦学习框架聚合移动终端的局部模型，迭代后得到全局模型；利用全局模型进行预测；将联邦训练过程中花费的计算和通信资源建模为综合的系统成本问题，并进一步将用户计算资源分配问题表述为马尔可夫决策过程，在满足资源约束的前提下，本发明可以有效分配每个联邦训练客户端的计算资源，最大限度地降低联邦学习过程的总成本。实验表明，本发明在缓存命中率上的表现高于基线算法，并接近最优算法，能够在本地资源受限的情况下有效降低系统成本。

本发明授权基于联邦深度强化学习的低成本视频边缘缓存方法在权利要求书中公布了：1.一种基于联邦深度强化学习的低成本视频边缘缓存方法，其特征在于，所述方法包括： 步骤1：建立网络模型，包含顶层、中间层和底层； 所述顶层为集中式云计算中心；所述中间层包含多个基站，每个基站中设有边缘服务器，所述底层包括多个移动终端；所述集中式云计算中心与所述边缘服务器之间通信连接，所述移动终端与所述边缘服务器之间通信连接； 步骤2：所述移动终端利用本地隐式反馈数据共同训练去噪自编码器模型，所述中间层的边缘服务器应用联邦学习框架聚合来自底层移动终端设备的局部模型，经过多次迭代后得到全局模型，用于完成流行视频缓存； 步骤3：利用所述全局模型对用户最有可能访问的电影进行预测； 步骤4：将联邦训练过程中花费的所有计算和通信资源建模为一个综合的系统成本问题，并进一步将用户计算资源分配问题表述为一个马尔可夫决策过程，以最小化预期的长期系统成本；在满足资源约束的前提下，训练DDQN模型分配每个移动终端的计算资源。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214000 江苏省无锡市新吴区净慧东道66号(江南大学国家大学科技园)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。