一种工业物联网场景下基于强化学习优化的原位数据调度方法

本发明公开了一种工业物联网场景下基于强化学习优化的原位数据调度方法。该方法认为：首先建立调度缓冲区并制定分类策略，对工业物联网环境下的原位数据进行初始化并分类；然后将不同性能的服务器抽象为多层次存储结构，对分类后的原位数据进行分类存储，从而优化系统的调度效率；接着提出原位数据调度优化问题；最后将优化问题描述为马尔可夫决策过程，并用深度学习技术对原位数据的调度决策进行求解。本发明在工业物联网中服务器存储资源受限情况下，综合考虑服务器存储性能和原位数据调度需求存在的差异，以减少处理延迟和数据囤积为目标进行调度决策，使得系统可以在大量原位数据到来时，既能按需存储，又能高效调度多层次存储结构中的原位数据，有效提升系统的存取效率。