一种基于流感知自主学习的TSN调度优化方法、装置、设备及介质

本发明公开了一种基于流感知自主学习的TSN调度优化方法、装置、设备及介质。在交换机或路由器中部署轻量化流量检测模块，控制器接收数据请求后，利用所述轻量化流量检测模块对新到达的未知业务流进行自动识别，判断其是周期性的TT流还是不可预测的突发流；控制器对识别得到的业务流类型进行分类管理，收集整个网络的拓扑信息和流量需求并通过网络管理接口下发终端节点；控制器基于收集的网络拓扑信息和流量需求构建智能队列调度任务，并将其转化为马尔可夫决策过程MDP，其中以网络资源、队列状态及优先级为状态空间，调度策略为动作空间，结合吞吐量、延迟指标设计奖励函数，通过实时数据驱动动态环境并训练DRL模型；采用增强型的队列调度机制Pro‑CQF，根据分类的流量类型配置不同的优先级标签再进行混合流调度；控制器周期性地采集时延、丢包率、端到端传输延迟指标反馈至DRL模型，在线更新调度策略。本发明在多业务流共存、端侧设备功能各异的网络环境中大幅提升了流量感知与调度效率，显著增强了TSN在工业物联网、边缘计算以及其他高实时性应用场景下的可靠性与可扩展性。