基于强化学习的异构数据库的数据迁移方法

本发明属于数据迁移技术领域，具体涉及一种基于强化学习的异构数据库的数据迁移方法，旨在解决现有基于强化学习的数据迁移方法迁移鲁棒性、适应性较差以及容易陷入局部最优解的问题。本方法包括：提取待迁移的数据并将对应的迁移任务作为源任务；计算目标任务与各源任务的迁移路径相似度，选取小批量任务；计算前瞻性因子、任务复杂度因子；计算策略梯度并更新策略参数，进而更新策略网络；计算元梯度，并对元梯度进行修正；基于修正后的元梯度更新全局参数；基于全局参数初始化策略网络，通过初始化后的策略网络生成迁移策略，进而对源数据进行迁移。本发明提高了数据迁移鲁棒性、适应性，并解决了局部最优解的问题。