一种降低移动通信网络中手机游戏业务响应时延的方法

由于用户终端、4G/5G网络设备和游戏服务器等任意环节的时延均会影响到手机用户的游戏业务感知，故若未能及时对相关影响因素进行提前预警和处理，容易因网络负荷过高或无线覆盖较差等因素导致游戏响应时延增加，严重影响用户感知。本文提出一种降低4G/5G网络手机游戏业务响应时延的端到端优化方法，首先分析游戏业务响应时延的影响因素，然后通过量化分析构建游戏业务响应时延与网络负荷、覆盖和干扰类等关键指标的关联模型，进而从终端、无线、核心网、传输承载网到游戏服务器维度开展端到端的优化，有效降低了手机游戏业务的响应时延，提升用户的游戏体验感知和满意度。     

基于概率模型的动态分层强化学习

为解决大规模强化学习中的＂维度灾难＂问题,克服以往学习算法的性能高度依赖于先验知识的局限性,本文提出一种基于概率模型的动态分层强化学习方法.首先基于贝叶斯学习对状态转移概率进行建模,建立基于概率参数的关键状态识别方法,进而通过聚类动态生成若干状态子空间和学习分层结构下的最优策略.仿真结果表明该算法能显著提高复杂环境下智能体的学习效率,适用于未知环境中的大规模学习.