一种多子网络深度强化学习的工业边缘计算负载均衡方法

本发明涉及边缘计算与工业物联网技术领域，更具体地说，本发明公开了一种多子网络深度强化学习的工业边缘计算负载均衡方法及系统，旨在解决大规模工业边缘计算环境中传统负载均衡方法面临的状态/动作空间爆炸、训练收敛慢、忽视虚拟机级分配及动态适应性差等关键问题。该方法包括以下步骤：构建中央调度器与多边缘服务器光纤互联架构，通过状态空间压缩、基于硬件性能的智能子网络分组、边缘服务器间迁移与虚拟机级分配协同的两级优化机制，以及AxTD3特有的多Critic网络最小值目标、延迟策略更新等技术，克服了大规模系统下深度强化学习训练复杂度高、收敛慢的瓶颈。