任务调度模型的训练方法、任务调度方法、系统、设备、介质及产品

本公开提供了一种任务调度模型的训练方法、任务调度方法、系统、设备、介质及产品。该训练方法包括：将当前状态和当前动作输入至当前对决网络，得到在当前状态下选择当前动作的动作价值；将下一状态输入至当前对决网络，得到动作价值最大的动作；将下一状态和动作价值最大的动作输入至目标对决网络，得到在下一状态下选择动作价值最大的动作对应的动作价值；基于即时奖励、在当前状态下选择当前动作的动作价值和在下一状态下选择动作价值最大的动作对应的动作价值对当前对决网络的参数进行更新，基于更新后的当前对决网络的参数更新目标对决网络。本公开提高了任务调度的灵活性和资源利用率，降低了异构集群中任务的平均响应时间。