这是一个测试项目
收集关于网络流量,网络结构,链路状态等相关数据。
- 模糊的地理位置
- 当前设备的移动速度
- 当前连接的底层
- 蜂窝网络:2G ~ 5.5G、 信号强度
- WIFI:名称、信号强度、频段干扰率
- Bluetooth(包含 ZigbeeDirect)
- NFC
- WifiDirect
- 当前通讯的应用协议(WebSocket、Quic、WebRTC、Libp2p、HttpLoop……)
- 当前 CPU 负载
- 当前内存负载
- 当前电量
- 是否省电模式
- 当前通讯延迟
- 是否需求低延迟
- 当前带宽速度
- 是否需求高带宽
使用深度强化学习(Deep Reinforcement Learning),它可以通过在网络环境中不断尝试和学习,找出最优的路由策略。然后使用已准备的数据对模型进行训练。
在测试数据上评估模型的性能并进行调优。模型的性能可以通过一些指标(例如,路由效率,网络延迟等)来衡量。
部署到网络节点中,让它在实际网络环境中进行路由切换的决策。(dweb-cloud/dweb-browser)