시간에 민감한 콘텐츠에 대한 수요가 증가함에 따라, 최근 캐시가 지원되는 네트워크에서 데이터 신선도(data freshness)가 중요한 성능 지표로 부상하고 있다. 따라서 본 논문에서는 클라우드-엣지 네트워크에서 클라우드 서버와 엣지 서버 모두에서의 데이터 신선도를 고려하여, 공동 캐시 교체 및 콘텐츠 업데이트 알고리즘을 설계한다. 우리는 캐시 적중(cache hit)과 함께 신선한 콘텐츠 획득(fresh content acquisition) 비율을 FACH(FACH) 비율로 정의하며, 이는 신선도 제약 조건을 만족하면서 요청하는 콘텐츠를 엣지 서버로부터 획득하는 사용자의 비중을 나타내는 성능 지표이다. FACH 비율을 최대화하기 위해, intelligent Cache replacement and content Update(i-CU)라는 이름의 강화학습(RL) 기반 알고리즘을 제안한다. 제안된 알고리즘에서는 문제의 제약 조건을 보장하면서 행동 공간을 축소하기 위해, 점수 기반(action) 의사결정을 새롭게 제안한다. 시뮬레이션 결과에서는 다양한 데이터셋에 대해 i-CU 알고리즘을 개발하고 평가하였으며, 여러 네트워크 매개변수 하에서 기존 기준(baseline)들에 비해 i-CU 알고리즘이 더 높은 FACH 비율을 달성할 수 있음을 검증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.