[发明专利]基于深度学习的内存分配方法

说明书

本发明提供了基于深度学习的内存分配方法，其根据终端设备处于开机自启动状态的程序进行运行状态深度预测分析，确定处于开机自启动状态的程序的内存使用状态信息，以此判断对应程序属于闲置程序还是非闲置程序，并调整对应程序的当前占空的内存空间；再获取处于前台运行状态的程序的数据运算信息，并对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，将处于后台运行状态的程序进行释放得到的内存空间分配至处于前台运行状态的程序；可见，上述方法通过对终端设备不同类型程序进行内存空间使用情况的深度学习分析，适应性释放其中的内存空间，对终端设备的实际内存使用情况进行灵活和准确的分配。

技术领域

本发明涉及内存空间管理的技术领域，特别涉及基于深度学习的内存分配方法。

背景技术

终端设备的正常运行需要依靠其自身内存空间，在终端设备运行过程中针对不同程序分配相应的内存空间，从而保证不同程序的稳定运行。现有的内存空间分配方式主要包括手动分配和统一分配。其中，手动分配是通过程序员在堆区栈和在合适的时间进行内存空间的释放分配，这对程序员提出较高的要求。统一分配则是利用内存池对内存空间进行统一管理，这需要设计复杂的内存结构相配合。可见，现有的内存空间分配方式无法针对终端设备的实际内存使用情况进行灵活和准确的分配，无法保证内存空间获得高效可靠的利用。

发明内容

针对现有技术存在的缺陷，本发明提供基于深度学习的内存分配方法，其根据终端设备处于开机自启动状态的程序进行运行状态深度预测分析，确定处于开机自启动状态的程序的内存使用状态信息，以此判断对应程序属于闲置程序还是非闲置程序，并调整对应程序的当前占空的内存空间；再获取处于前台运行状态的程序的数据运算信息，并对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，以及将处于后台运行状态的程序进行内存空间释放处理得到的内存空间分配至处于前台运行状态的程序；可见，上述方法通过对终端设备不同类型程序进行内存空间使用情况的深度学习分析，适应性释放其中的内存空间，保证处于前台运行状态的程序能够分配获得足够的内存空间，从而对终端设备的实际内存使用情况进行灵活和准确的分配，保证内存空间获得高效可靠的利用。

本发明提供基于深度学习的内存分配方法，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。

进一步，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。

进一步，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。