基于Ray的轻量级分布式强化学习训练平台的设计方法

本发明公开了一种基于Ray的轻量级分布式强化学习训练平台的设计方法，包括获取原始数据流集合，构建拓扑特征表示，进行动态平滑处理，生成稳定化特征表示；计算信息保持率和拓扑保持度，构建状态流形和切空间和优先级队列，更新经验池；采集策略参数和梯度，计算Karcher均值并进行动量修正，构建参数流形分层结构和层间映射，优化参数结构；构建知识图谱，进行结构化剪枝和量化优化，得到最终压缩模型参数；构建负载分配矩阵，生成初始参数分布方案并进行迭代优化，构建负载均衡目标函数，生成任务调度策略，最终部署配置。本发明有效地减少数据处理的复杂度，提高计算效率，通过多种自动化优化减少了对开发人员手动调整的需求。