一种资源调度场景中的离线到在线深度强化学习方法

本发明公开了一种资源调度场景中的离线到在线深度强化学习方法，包括以下步骤：S1、获取资源调度数据，并进行数据预处理；S2、结合专家模仿学习和多头注意力机制，进行策略模型的离线训练；S3、使用SAC强化学习算法迭代优化策略模型，通过与实时环境的动态交互细化策略模型，学习响应资源变化，进行策略模型的在线训练；S4、使用动态策略更新模块，结合乐观和悲观策略更新，根据在线反馈调整策略模型参数，并返回训练好的策略模型网络；该方法融合了在线学习的SAC强化学习算法和离线学习的专家模仿学习技术，并引入了优先经验回放和多头注意力机制，通过动态更新代理策略模型，可有效提高资源调度的效率和准确性。