一种基于强化学习的异构动态调度策略

本发明公开了一种基于强化学习的异构动态调度策略，包括以下步骤：首先将调度问题建模为马尔可夫决策过程，定义状态、动作、转移函数与回报函数，利用图卷积网络提取任务图结构特征并构建状态表示；通过策略网络输出动作概率分布，结合优势函数和熵正则化进行策略优化，同时使用价值网络估计状态价值并通过最小化贝尔曼误差进行训练；系统交互中，智能体根据状态选择任务调度动作并不断优化策略，最终实现最小化任务完工时间的目标。本发明能够在运行时根据系统状态做出分配和调度决策，显著提高了调度效率和适应性。