基于深度强化学习算法的高能效数据负载均衡方法
张思松
铜陵学院 数学与计算机学院,安徽 铜陵 244061
摘要：网络用户大幅度增加为网络发展带来机遇的同时也带来了挑战,当前使用的数据负载均衡方法节点数据分发能力较差导致网络节点吞吐量较低.因此,设计了基于深度强化学习算法的高能效数据负载均衡方法.选择隐式并行程序设计方法,设计网络数据并行程序.根据存储节点个数,设计数据分配与迁移方法.根据存储节点数据量与特征,选择深度强化学习算法,实现高能效数据负载均衡.构建仿真分析环节,经多次测试证实,深度强化学习负载均衡方法具有调节网络节点平均吞吐量的能力,且此方法的使用效果优于当前所使用的其他方法.
关键词：并行程序深度强化学习算法负载均衡数据分发数据迁移
分类号：TP39(计算技术、计算机技术)
资助基金：安徽高校自然科学研究项目(KJ2020A0698)安徽省省级质量工程项目(2020szsfkc0859)铜陵学院校级科研项目(word2Vec;2020tlxyZD01)
论文发表日期：2022-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 43-46 )