公開(kāi)了使用強(qiáng)化學(xué)習(xí)代理來(lái)管理存儲(chǔ)在緩存中的數(shù)據(jù)，包括：確定關(guān)于緩存的當(dāng)前狀態(tài)觀測(cè)集，其中基于對(duì)緩存的歷史緩存訪問(wèn)來(lái)確定當(dāng)前狀態(tài)觀測(cè)集；將當(dāng)前狀態(tài)觀測(cè)集輸入到強(qiáng)化學(xué)習(xí)代理的行動(dòng)者網(wǎng)絡(luò)，以獲得由行動(dòng)者網(wǎng)絡(luò)輸出的動(dòng)作，其中強(qiáng)化學(xué)習(xí)代理被配置為管理存儲(chǔ)在緩存中的數(shù)據(jù)；將當(dāng)前狀態(tài)觀測(cè)集和動(dòng)作輸入到強(qiáng)化學(xué)習(xí)代理的評(píng)論家網(wǎng)絡(luò)，以從評(píng)論家網(wǎng)絡(luò)獲得對(duì)應(yīng)于動(dòng)作的分?jǐn)?shù)；使強(qiáng)化學(xué)習(xí)代理執(zhí)行與管理存儲(chǔ)在緩存中的數(shù)據(jù)有關(guān)的動(dòng)作；使用分?jǐn)?shù)來(lái)更新行動(dòng)者網(wǎng)絡(luò)；以及使用對(duì)應(yīng)于動(dòng)作的獎(jiǎng)勵(lì)來(lái)更新評(píng)論家網(wǎng)絡(luò)。