面向数据库参数调优的协作型多智能体模型OA北大核心CSTPCD
数据库参数调优是提高数据库性能的重要任务之一.数据库参数可按照作用域范围和功能进行分类,探究某一类参数之间的相互影响以及不同类别之间的相互影响是非常重要的,但是现有方法尚未考虑这一方面.提出面向数据库参数调优的协作型多智能体模型DBT-MADDPG(DataBase Tuning-Multi-Agent Deep Deterministic Policy Gradient),设计单智能体预训练模型SA(Single Agent)、多智能体联合训练模型JAM(Joint Action Model)以及基于概率选择的联合训练模型JAPM(Joint Action Probability Model),分阶段对数据库参数进行调优.实验结果表明,DBT-MADDPG模型能够分功能、分参数级别对数据库参数进行调优,在SA模型训练阶段便能到达主流算法的性能,且比主流算法快17.85%获得较佳配置.
李江敏;乔少杰;韩楠;吴涛;高瑞玮;彭钰寒;谢添丞;冉黎琼;
成都信息工程大学软件工程学院,四川成都610225成都信息工程大学管理学院,四川成都610103重庆邮电大学网络空间安全与信息法学院,重庆400065
计算机与自动化
多智能体参数调优数据库系统自学习联合训练模型
《电子学报》 2024 (011)
P.3751-3756 / 6
国家自然科学基金(No.62272066);四川省科技计划(No.2021JDJQ0021,No.2022YFG0186,No.2022NSFSC0511,No.2023YFG0027);教育部人文社会科学研究规划基金(No.22YJAZH088)。
评论