1.结合深度强化学习的区块链分片系统性能优化方法，其特征在于，包括如下步骤：步骤1，区块链仿真系统中包括N个节点，所有节点之间都具有传输速率，节点具有计算能力，节点中存在恶意节点；

步骤2，对区块链分片问题建立马尔可夫决策过程模型，模型由系统状态St、行为空间A、奖励Rt+1和价值函数Q(St,at)四部分组成；

t时刻的系统状态St定义为节点之间传输速率集合Rt、节点的计算能力集合Ct、节点的共识历史集合Ht和恶意节点的概率Pt；

行为空间A包括区块大小B、出块时间TI和区块链分片数量K；

奖励Rt+1表示t时刻区块链分片系统执行行为后获得的奖励，由t时刻系统状态St下采取行为所获得的收益即区块链每秒处理事务的数量构成；

马尔可夫决策过程模型被总结为：在任意t时刻的系统状态St下，通过选择最优行为，使得系统累计奖励最大化，公式为：约束于

t

其中，at为t时刻系统采取的行为，γ是t时刻Rt+1的衰减因子；

步骤3，采用深度强化学习BDQ算法求解模型，通过不断探索和学习区块链系统吞吐量与区块大小、出块时间和区块链分片数量的复杂关系，最终根据区块链分片数量进行分片，分片内的节点根据区块大小和出块时间并行处理事务，使得区块链处理的事务数量最大化。

2.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述系统状态St中，Rt＝{Ri,j},i,j∈N，Rij表示为节点i和节点j之间链路的传输速率；Ct＝{Ci},i∈N，Ci为节点i的计算资源；Ht＝{Hi}，Hi为节点i的共识历史，Hi＝1或Hi＝0，Hi＝1表示节点i对区块验证不合法，Hi＝0表示节点i对区块验证合法；Pt根据共识历史计算得到。

3.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述奖励Rt+1的公式为：其中，BH为区块头的大小；b为事务的平均大小，(B‑BH)表示每个区块处理事务的大小，(B‑BH)/b表示每个分片处理事务的数量， 表示K个分片处理事务的总数。

4.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述价值函数Q(St,at)的公式为：其中， 为期望函数，y为相对于t时刻的未来时刻，Rt+y+1表示系统在t+y时刻采取行为后获得的奖励，γ表示衰减因子，表示在某状态下采取某行为对系统未来奖励即环境影响y的重视程度，0≤γ＜1，γ是t+y时刻Rt+y+1的衰减因子。

5.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述步骤2中，计算得到最优价值函数，即可根据最优价值函数在任意t时刻系统状态St下选择最优行为，使累计奖励最大化，最优价值函数的计算公式为：在任意t时刻，最优行为选择公式为：

*

其中Q (St,at)表示最优价值函数，St+1表示t+1时刻的系统状态，at+1表示在t+1时刻系统可能采取的所有行为中的任一行为，亦即行为空间A中的某一行为。

6.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述BDQ算法，通过不断决策积累(St,at,Rt+1,St+1)样本记录训练神经网络，使得神经网络能够近似价值函数，进而选择最优行为，使得模型的累计奖励最大化，其中St+1表示t+1时刻的系统状态。

7.根据权利要求1或6所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述BDQ算法的神经网络，网络分支与行为空间A的子行为一一对应，并且具有一个共享的决策模块，即神经网络的隐藏层；将t时刻系统状态St＝{Rt,Ct,Ht,Pt}输入到神经网络中，状态经过共享的决策模块进行抽象，输出分为两个分支，分别为状态分支和行为分支，行为分支输出每个子行为的优势函数，即区块大小B的优势函数A1(St,a1)，出块时间TI的优势函数A2(St,a2)和区块链分片数量K的优势函数A3(St,a3)，状态分支输出状态值函数V(St)，将子行为的优势函数与状态值函数合并得到子行为的价值函数，区块链分片系统决策时，根据输出的每个子行为Q值来选择相应的行为。

8.根据权利要求7所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，所述神经网络的更新过程是在经验池中随机抽取minibatch大小的经验，使用梯度下降的方式更新神经网络参数，BDQ算法对loss function的更新公式为：其中yd定义如下所示：

表示在Qd网络中根据态St+1选择最大Q值所对应的子行

为ad，然后根据状态‑行为对到 网络选择所对应的Q值，BDQ算法中价值函数由状态值函数V(St)和行为的优势函数Ad(St,ad)组成，价值函数为Qd(St,ad)＝V(St)+Ad(St,ad)

BDQ算法中有两个结构相同的神经网络，其中online network网络实时更新，target network每隔C步更新一次，将online network参数值赋给target network。

9.根据权利要求1所述结合深度强化学习的区块链分片系统性能优化方法，其特征在于，基于BDQ算法进行性能优化的运行逻辑如下：

1)、初始化大小为N的经验回放池D，经验回放池D存放区块链分片系统t时刻的系统状态St，行为at，奖励Rt+1和下一时刻的区块链系统的系统状态St+1；

2)、初始化online network和target network两个结构相同的网络；两个网络的权重‑分别为θ和θ；

3)、设置初始时刻t＝0，经验回放池D中样本记录的时刻记为τ；

4)、初始化行为探索概率ε，探索率随t减少量Δε，最小探索概率εmin；

5)、循环体开始；

6)、获取当前t时刻区块链系统状态St＝{Rt,Ct,Ht,Pt}；

7)、使用ε‑greedy策略选择行为：

8)、执行行为at，区块链系统进行分片，分片内并行处理事务，将事务打包成区块，对区块进行共识，将共识通过的区块发送给目录委员会进行最终打包和共识；并获得系统下一时刻区块链系统环境St+1，计算Rt+1；

9)、将(St,at,Rt+1,St+1)存入缓存数组；

10)、从缓存数组中随机抽取Y条样本记录(Sτ,aτ,Rτ+1,Sτ+1)；

11)、利用Y条记录，计算Q样本值，公式如下：

Qd(Sτ,ad)＝V(Sτ)+Ad(Sτ,ad)

12)、使用如下损失函数更新神经网络：

其中，

13)、探索概率ε取ε‑Δε和εmin中的最小值；

14)、如果t mod C＝0，则target network网络复制online network参数，

15)、时刻t增加1；

16)、循环体结束。