一种检测深度强化学习方法的数据适用性方法

当利用DRL方法优化网络应用时，只有保证所使用的网络数据能够满足马尔可夫性、平稳性、可导性和连续性等数学性质的要求，才能保证在网络应用的预测和决策中取得好结果。本发明提出了DRL数据适用性的定义和检测DRL数据适用性方法以判断某数据集是否能够使用DRL方法；提出了一种DRL数据适用性增强方法EDDADRL，以找出数据集中满足DRL数据适应性的区段，使DRL方法能够在更大范围内使用。本发明方法具有简单、实用的特点，对于使用DRL方法优化网络应用具有重要的实用价值和广泛的应用前景。