计算机应用研究

作者：张春阳,杨志刚,刘亚志,李伟,

单位：华北理工大学a.人工智能学院;b.电气工程学院,河北唐山063210；

关键词：QoE公平性,视频质量,深度强化学习,联邦学习,区块链,

基金：河北省高等学校科学技术研究资助项目(ZD2022102)；；

针对瓶颈链路中视频带宽分配不均导致的用户QoE不公平以及带宽利用率低的问题，提出了一种基于联邦深度强化学习的分布式视频流公平调度策略。该策略能够根据客户端网络状态和视频QoE等级动态生成带宽分配权重因子，服务器端的拥塞控制算法则根据带宽分配权重因子为瓶颈链路中的每个视频流分配带宽，以保障瓶颈链路中视频流的公平传输。每个视频终端都运行一个带宽分配agent，且多个agent以联邦学习的方式周期性地训练，以便代理模型能够快速收敛。带宽分配agent通过共识机制同步联邦训练参数，实现了在异步播放请求条件下带宽分配agent模型参数的分布式聚合，并确保了agent模型参数的安全共享。实验结果表明，与最新方案相比，提出策略在QoE公平性和整体QoE效率方面分别提高了10%和7%，这表明提出策略在解决视频流带宽分配不均问题和提升用户体验方面具有潜力和有效性。

来源：2024年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第4期