基于强化学习的全局结构感知的R-Tree构建方法

本发明公开了一种基于强化学习的全局结构感知的R‑Tree构建方法，包括：设计R‑Tree构建的马尔可夫决策过程，R‑Tree构建的马尔可夫决策过程包括状态设计、动作设计和奖励设计；应用强化学习智能体算法框架，选择基于Actor‑Critic框架和近端策略优化算法构建强化学习智能体；采用自对弈机制训练强化学习智能体进行R‑Tree增量式构建；通过训练好的强化学习智能体在逐个插入数据构建过程中，取代传统变体局部最优的孩子选择算法自动构建R‑Tree。本发明显著提升了R‑Tree的构建性能和查询效率，同时具备良好的灵活性和扩展性，能够满足动态数据场景下的实时更新需求。