一种基于深度强化学习的动态缓冲区大小调整方法

本发明公开了一种基于深度强化学习的动态缓冲区大小调整方法，包括：构建Dueling DQN模型和经验回放池，将网络状态依次经过两层全连接层提取特征，通过自注意力机制进行注意力权重分配，再经过噪声层引入噪声扰动；采用动作优势网络对智能体所能采取的动作进行评估，采用状态价值网络对网络状态进行评估，获得网络的Q值并执行动作，基于反馈的奖励以及下一时刻网络状态，构成网络环境样本存入经验回放池中；抽取网络环境样本训练Dueling DQN模型；本发明所设计的方法通过强化学习算法，在不同流量负载和网络状态下，动态调整缓冲区大小减少抖动和延迟，从而有效提高网络的传输性能，提升服务质量。