一种基于深度强化学习的Serverless函数调度方法

本发明涉及Serverless函数调度领域，具体提出了一种基于深度强化学习的Serverless函数调度方法。该方法通过模拟Serverless运行环境，采用近端策略优化(PPO)强化学习框架，PPO算法利用策略约束机制，维持模型更新稳定性并提升训练数据利用率。在模型训练阶段，智能体根据局部观测信息生成调度动作，同时将全局系统状态输入Critic网络进行联合价值评估，输出带权重修正的奖励信号。实际部署时，智能体基于训练完成的策略网络自主执行实例调度，快速响应调度请求。本发明以最小化响应时间和能耗为优化目标设置奖励函数，实现Serverless在动态资源和工作负载下的智能化函数调度。