实验任务自动化调度方法

本发明涉及一种实验任务自动化调度方法，首先构建包括图神经网络与策略价值网络的深度神经网络，并对参数随机初始化；采用深度神经网络代替蒙特卡洛树搜索(MCTS)算法中选择、扩展及模拟过程；将待调度任务构建为有向无环图并输入调度模型，执行融合深度神经网络的MCTS生成决策标签；采用标签对深度神经网络进行训练，优化目标为：在相同任务状态下使策略价值网络的动作选择概率分布与MCTS的动作选择概率分布的相似度最大，且使价值估计与MCTS的完整任务调度时间的差值最小；交替执行MCTS生成标签与神经网络训练优化，将MCTS与与训练完成的神经网络组合得到最终调度模型。本发明能够在高动态性、柔性环境、易死锁的实验室复杂任务场景下完成高质量调度。