本文選題：USB　切入點：SARSA　出處：《中山大學(xué)學(xué)報(自然科學(xué)版)》2014年05期 　論文類型：期刊論文

【摘要】：目前USB在PC外設(shè)中應(yīng)用越來越多,傳輸數(shù)據(jù)量不斷增加對USB傳輸效率要求越來越高。但實際應(yīng)用中因USB系統(tǒng)軟件、設(shè)備自身特性等因素的影響,使得數(shù)據(jù)傳輸過程中USB帶寬資源浪費嚴(yán)重。針對該問題,利用SARSA學(xué)習(xí)算法設(shè)計一種USB塊傳輸事務(wù)調(diào)度方法,根據(jù)當(dāng)前狀態(tài)智能的分配每一幀中的事務(wù)。仿真結(jié)果表明,在多種塊傳輸情況下,該方法與系統(tǒng)方式相比明顯提高了USB帶寬有效利用率和吞吐量。
[Abstract]:At present, USB is used more and more in PC peripherals, and the increasing amount of transmission data demands higher and higher transmission efficiency of USB. However, in practical application, the influence of USB system software, equipment characteristics and other factors, etc. In order to solve this problem, a SARSA learning algorithm is used to design a USB block transmission transaction scheduling method, which allocates transactions in each frame intelligently according to the current state. The simulation results show that, Compared with the system, the proposed method improves the USB bandwidth efficiency and throughput significantly in the case of multiple block transmissions.
【作者單位】： 西南科技大學(xué)信息工程學(xué)院;
【基金】：國防基礎(chǔ)科研計劃資助項目(B3120110005)
【分類號】：TP334.7

【參考文獻】

相關(guān)期刊論文 前1條

1 舒波;李大銘;趙新良;;基于強化學(xué)習(xí)算法的公交信號優(yōu)先策略[J];東北大學(xué)學(xué)報(自然科學(xué)版);2012年10期

【共引文獻】

相關(guān)期刊論文 前10條

1 蘇瑩瑩;王宛山;王建榮;唐亮;;基于神經(jīng)網(wǎng)絡(luò)增強學(xué)習(xí)算法的工藝任務(wù)分配方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2009年02期

2 張化祥;黃上騰;樂嘉錦;;Optimal Response Learning and Its Convergence in Multiagent Domains[J];Journal of DongHua University;2005年03期

3 陸軍,徐莉,周小平;強化學(xué)習(xí)方法在移動機器人導(dǎo)航中的應(yīng)用[J];哈爾濱工程大學(xué)學(xué)報;2004年02期

4 李偉,葉慶泰,朱昌明;Reinforcement learning with partitioning function system[J];Journal of Harbin Institute of Technology;2004年04期

5 程曉北;沈晶;劉海波;顧國昌;張國印;;分層強化學(xué)習(xí)研究進展[J];計算機工程與應(yīng)用;2008年13期

6 趙志宏;高陽;駱斌;陳世福;;多Agent系統(tǒng)中強化學(xué)習(xí)的研究現(xiàn)狀和發(fā)展趨勢[J];計算機科學(xué);2004年03期

7 張化祥;黃上騰;;多代理最優(yōu)響應(yīng)Q學(xué)習(xí)及收斂性證明[J];計算機科學(xué);2004年04期

8 張化祥;黃上騰;;基于強化學(xué)習(xí)與對策的多代理協(xié)同技術(shù)[J];計算機科學(xué);2004年08期

9 唐亮貴;劉波;唐燦;程代杰;;基于神經(jīng)網(wǎng)絡(luò)的Agent增強學(xué)習(xí)模型[J];計算機科學(xué);2007年11期

10 徐昕,賀漢根;神經(jīng)網(wǎng)絡(luò)增強學(xué)習(xí)的梯度算法研究[J];計算機學(xué)報;2003年02期

相關(guān)博士學(xué)位論文 前10條

1 陳學(xué)松;強化學(xué)習(xí)及其在機器人系統(tǒng)中的應(yīng)用研究[D];廣東工業(yè)大學(xué);2011年

2 李s，

本文編號：1613975