[发明专利]一种移动增强现实场景的智能预加载方法

权利要求书

1.一种移动增强现实场景的智能预加载方法，其特征在于，边缘服务器端将用户在还没到达某一全息内容前将文件推送给用户；为进行AR稀疏部署场景的学习，采用状态相关Q学习算法，其步骤为：

(1)通过采样用户的运动轨迹，利用马尔可夫决策模型，建立用户的运动模型；

(2)对用户运动模型进行采样，获得用户当前的位置，在不断累积知识后，根据转移概率预测用户下一个时刻的位置；

(3)把用户当前位置离散化为多个子区域，每一个子区域表示一个状态s_t，也是马尔可夫模型的一个节点，边代表两个相邻子区域，即两个状态之间的转移概率；

(4)在接收到奖赏值时，利用奖赏值进行Q表更新；

(5)在未接收到奖赏值时，利用相邻子区域，即马尔可夫决策模型中的状态转移概率，进行当前状态的Q值更新；

具体步骤如下：

(1)边缘服务器端对于用户的轨迹进行学习，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略；将整个区域分成多个子区域，用户m在时隙t处确定状态s_t，该状态由当前子区域i和可缓存内容集合决定；记录用户的行为轨迹和方向，并计算到新的状态的转移概率

(2)若用户收到一个推送内容，则用户在推送内容和所有缓存内容中选择一个丢弃；动作a_t表示每个时刻丢弃的全息内容，定义a_t＝n表示丢弃文件n；

(3)当用户设备显示全息内容时，则相应的缓存动作可以获得奖励；如果全息内容n显示在屏幕上，则不应选择动作a_t＝n作为丢弃文件；

(4)Q表更新：当用户设备收到奖励r_st,at，在给定衰减因子γ，设备的行为值函数更新为：

采用ε-贪心探索，0ε1，设备选择概率ε选择随机策略，以1-ε选择当前最佳策略；

若没有收到任何奖励，则根据当前的子区域位置i和每个缓存的内容n对Q表更新，利用相邻子区域j的Q值和转移概率P(m,d,i,j)，更新Q值，公式为：

其中，其中d表示行进方向，L_m,d,i表示用户设备m按照当前方向进入i的次数，β为依赖因子，0β1,根据相邻子区域的Q表来模拟更新Q表的依赖性。