一种支持动态扩展的强适应分布式数据分发方法

本发明公开了一种支持动态扩展的强适应分布式数据分发方法，通过引入基于深度强化学习的任务分配机制，结合分布式系统中节点的动态状态，实现数据任务的智能化分发和高效处理。具体而言，首先采集系统中各节点的实时状态信息，包括负载、带宽、延迟等，并将数据任务按照类型和优先级进行分类；随后，通过深度强化学习模型对节点状态和任务特征进行建模，输出最优任务分配策略；在任务执行过程中，实时监控节点状态，并通过任务反馈动态更新模型，以持续优化分配策略。本发明通过深度强化学习技术优化分布式任务分配，提高了数据分发的效率和准确性，同时增强了系统对复杂动态环境的适应能力。