排程优化方法、装置、电子设备及计算机程序产品
本申请公开了一种排程优化方法、排程优化装置、电子设备及计算机程序产品。其中,该方法包括:获取多个课程阶段训练数据集;基于初始课程阶段对应的课程阶段训练数据集中的专家状态‑动作数据,对策略网络进行行为克隆训练,得到初始策略网络;以初始策略网络为训练起点,按照排程复杂度由低至高的顺序,依次基于各课程阶段训练数据集,采用行为克隆和强化学习进行阶段训练,并在阶段训练中对行为克隆损失和强化学习损失进行动态加权融合,得到目标策略网络;基于目标策略网络对待排程数据进行处理,得到排程方案。本申请方案可以稳定且高效地训练出能够生成符合预期的排程方案的模型,从而提升排程方案的可靠性。