一种基于深度强化学习的温度约束下的处理器性能优化方法

本发明公开了一种基于深度强化学习的温度约束下的处理器性能优化方法，涉及处理器性能优化技术领域，包括以下具体步骤：S1：应用周期性热管理方法建立仿真模型；S2：深度强化学习部署；S3：建立状态空间：S4：得到每个核心的状态空间；S5：深度强化学习算法；S6：奖励函数的设计；S7：实际应用上的初始化。该一种基于深度强化学习的温度约束下的处理器性能优化方法，利用温度差值，最高温度值和核心切换的周期数描述状态环境较准确，状态特征冗余较少使得模型的性能较好，收敛速度较快，收敛情况较为稳定。