典型文献
结合深度强化学习的区块链分片系统性能优化
文献摘要：
提高区块链系统吞吐量是广泛应用区块链的关键问题之一.针对以上问题,将分片技术应用到区块链系统中,通过使区块链并行处理事务提高区块链的吞吐量.将区块链分片选择问题建立为马尔科夫决策过程(Markov decision process,MDP),并设计了基于深度强化学习(deep reinforcement learning,DRL)的区块链分片最优选择策略(branching dueling Q-network shard-based blockchain,BDQSB).所采用的BDQSB算法克服了传统DRL算法行为空间维度高、神经网络难以训练的缺点.仿真实验结果表明,所提出的方法可以有效降低行为空间维度,提高区块链处理事务的吞吐量和可扩展性.
文献关键词：
区块链;吞吐量;分片;深度强化学习
中图分类号：
作者姓名：
温建伟;姚冰冰;万剑雄;李雷孝
作者机构：
内蒙古自治区气象信息中心,呼和浩特 010051;内蒙古自治区基于大数据的软件服务工程技术研究中心,呼和浩特 010080
文献出处：
引用格式：
[1]温建伟;姚冰冰;万剑雄;李雷孝-.结合深度强化学习的区块链分片系统性能优化)[J].计算机工程与应用,2022(19):116-123
A类：
shard,BDQSB
B类：
深度强化学习,区块链分片,系统性能,性能优化,区块链系统,系统吞吐量,分片技术,并行处理,处理事务,立为,马尔科夫决策过程,Markov,decision,process,MDP,deep,reinforcement,learning,DRL,最优选择,选择策略,branching,dueling,network,blockchain,行为空间,空间维度,可扩展性
AB值：
0.344166
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
