一种基于机器学习的实时搜索缓存替换方法及系统

本发明涉及计算机存储技术领域，公开了一种基于机器学习的实时搜索缓存替换方法及系统，通过获取系统中的多维度搜索数据，对所述多维度搜索数据进行数据预处理，建立LSTM长短期记忆网络模型，利用改进的鲸鱼优化算法IWOA对LSTM长短期记忆网络模型进行参数优化基于PPO算法设计多目标奖励函数，利用多目标奖励函数优化在线预测模型的当前缓存状态和权重参数，将多维度特征实时数据输入至预测模型中进行训练，同时计算模型的动态权重，基于增量数据集进行缓存替换规则的目标调整。显著增强了缓存系统的抗干扰能力和长周期学习效能，为高并发场景提供低延迟、高资源利用率的智能缓存解决方案。