基于语义增强的联邦深度强化学习的边缘缓存方法

本发明公开了一种基于语义增强的联邦深度强化学习的边缘缓存方法，该方法包括：获取请求原始数据和候选内容集合，并进行多模态特征提取；计算缓存利用率和请求多样性以及动态语义匹配权重；计算请求内容与候选内容间的语义相似度，并结合动态语义匹配权重进行调整，获取加权语义相似度；根据节点的状态生成动作概率分布，并和语义注意力权重融合获取动作偏好分布；根据动作偏好分布选择动作执行，评估奖励；周期性执行联邦协同训练优化，采用SAC算法本地训练语义感知策略网络，执行多因子动态加权联邦聚合更新全局模型并分发至各节点。本发明能够提升边缘缓存命中率和语义命中率，降低服务响应延迟，增强异构节点与复杂网络环境下的鲁棒性。