基于强化学习的移动视频流业务码率自适应算法研究进展

TP391; 近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能.在分析ABR算法研究难点的基础上,重点阐述了基于强化学习(包括深度强化学习)的ABR算法研究进展.此外,总结了代表性的HAS视频数据集和网络轨迹数据集,介绍了算法性能的评价准则,最后探讨了ABR研究目前存在的问题和未来的方向....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 42; no. 9; pp. 205 - 217
Main Authors 杜丽娜, 卓力, 杨硕, 李嘉锋, 张菁
Format Journal Article
LanguageChinese
Published 北京工业大学计算智能与智能系统北京市重点实验室,北京 100124 2021
北京工业大学信息学部,北京 100124
Subjects
强化学习;码率自适应算法;用户质量体验;深度学习;深度强化学习
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000?436x.2021178

Cover

More Information
Summary:TP391; 近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能.在分析ABR算法研究难点的基础上,重点阐述了基于强化学习(包括深度强化学习)的ABR算法研究进展.此外,总结了代表性的HAS视频数据集和网络轨迹数据集,介绍了算法性能的评价准则,最后探讨了ABR研究目前存在的问题和未来的方向.
ISSN:1000-436X
DOI:10.11959/j.issn.1000?436x.2021178