简介： 本发明公开了一种移动边缘计算网络中基于分布式强化学习的隐私保护动态边缘缓存设计方法，具体为：首先将用户内容流行度动态性建模成无模型的马尔科夫链，然后将系统中各用户设备和服务器设备的缓存命中率最大化问题构建成一个隐私保护约束下的分布式优化问题。接着将该分布式优化问题转化为分布式无模型马尔科夫决策过程问题，并引入一种联邦学习方法用于隐私保护约束下的流行度预测。最后通过原分布式优化问题的转化，得到动作空间，状态空间和奖励函数系统配置。通过迭代学习，获得隐私保护约束下各个设备的动态变换缓存设计方法。实现移动边缘计算网络中用户隐私保护约束下的内容缓存动态更新，保护用户隐私的同时，获得更高的缓存命中率。