[发明专利]基于深度学习的内存分配方法

权利要求书

1.基于深度学习的内存分配方法，其特征在于，其包括如下步骤：

步骤S1，当终端设备开机时，确定终端设备处于开机自启动状态的程序；根据所述处于开机自启动状态的程序进行运行状态深度预测分析，确定所述处于开机自启动状态的程序的内存使用状态信息；

步骤S2，根据所述内存使用状态信息，对所述处于开机自启动状态的程序进行识别区分，判断其属于闲置程序还是非闲置程序；根据上述判断结果，调整所述处于开机自启动状态的程序当前占空的内存空间；

步骤S3，获取终端设备当前处于前台运行状态的程序的数据运算信息，对所述数据运算信息进行深度学习分析处理，确定处于前台运行状态的程序的内存空间缺口量；

步骤S4，获取终端设备当前处于后台运行状态的程序的内存使用率信息，根据所述内存使用率信息，对处于后台运行状态的程序进行内存空间释放处理；再根据所述内存空间缺口量，将所述内存空间释放处理得到的内存空间分配至所述处于前台运行状态的程序。

2.如权利要求1所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S1中，当终端设备开机时，确定终端设备处于开机自启动状态的程序具体包括：

当终端设备开机时，确定在开机过程中同步自动开启的所有程序；根据终端设备的开机运行需求，将同步自动开启的所有程序区分为必要开启程序和非必要开启程序。

3.如权利要求2所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S1中，根据所述处于开机自启动状态的程序进行运行状态深度预测分析，确定所述处于开机自启动状态的程序的内存使用状态信息具体包括：

获取所述非必要开机程序的历史运行状态日志信息，并对所述历史运行状态日志信息进行运行状态深度预测分析，确定所述非必要开机程序的内存空间使用值。

4.如权利要求3所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S2中，根据所述内存使用状态信息，对所述处于开机自启动状态的程序进行识别区分，判断其属于闲置程序还是非闲置程序具体包括：

将所述内存空间使用值与预设内存空间使用阈值进行比对；若所述内存空间使用值大于或等于预设内存空间使用阈值，则将相应的非必要开机程序确定为属于非闲置程序；若所述内存空间使用值小于预设内存空间使用阈值，则将相应的非必要开机程序确定为属于闲置程序。

5.如权利要求4所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S2中，根据上述判断结果，调整所述处于开机自启动状态的程序当前占空的内存空间具体包括：

将所述闲置程序当前占用的所有内存空间进行释放，同时关闭所述闲置程序；

对所述非闲置程序当前占用的内存空间进行预定比例的降低释放。

6.如权利要求5所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S3中，获取终端设备当前处于前台运行状态的程序的数据运算信息，对所述数据运算信息进行深度学习分析处理，确定处于前台运行状态的程序的内存空间缺口量具体包括：

获取终端设备当前处于前台运行状态的程序的数据运算速率变化信息，对所述数据运算速率变化信息进行深度学习分析处理，确定处于前台运行状态的程序在未来预设时间段内的内存空间缺口量；其中，所述内存空间缺口量是指所述深度学习分析处理确定的处于前台运行状态的程序的期望分配内存空间与当前分配内存空间之间的差值。

7.如权利要求6所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S4中，获取终端设备当前处于后台运行状态的程序的内存使用率信息，根据所述内存使用率信息，对处于后台运行状态的程序进行内存空间释放处理具体包括：

获取终端设备当前处于后台运行状态的程序的实时内存空间占用值与终端设备的总内存空间之间的比值，以此作为处于后台运行状态的程序的内存使用率信息；

若所述比值大于或等于预设比例阈值，则对处于后台运行状态的程序进行内存空间释放处理；否则，不对处于后台运行状态的程序进行内存空间释放处理。

8.如权利要求7所述的基于深度学习的内存分配方法，其特征在于：

在所述步骤S4中，根据所述内存空间缺口量，将所述内存空间释放处理得到的内存空间分配至所述处于前台运行状态的程序具体包括：

根据所述内存空间缺口量，从所有处于后台运行状态的程序进行内存空间释放处理后得到的空档内存空间中选取相匹配大小的内存空间，并分配至所述处于前台运行状态的程序。