基于多目标强化学习的自适应拥塞控制方法、设备及介质

本发明提出了一种基于多目标强化学习的自适应拥塞控制方法，包括以下步骤：建立延迟动作的多目标马尔可夫决策过程MOMDP：在马尔可夫决策过程中引入偏好空间Ω和偏好函数fΩ；fΩ用于将所选指标偏好w∈Ω转化为指标标量；指标偏好表示指标的权重向量；将拥塞控制问题建模为MOMDP；基于强化学习算法，训练Actor‑Critic网络，经过训练的Actor网络学习出的策略即为智能体的最优控制策略；其中，Actor‑Critic网络以状态和指标偏好作为输入。本发明为双端全效连接迁移过程提供灵活动态的流量控制处理方案，确保端到端网络信息传输的高效性和及时性。本发明还提出了一种终端设备、计算机可读存储介质。