원래 이름 기록: 国网河北省电力有限公司信息通信分公司

本发明提供一种基于强化学习的异构网络回程链路选择方法、装置及设备，涉及无线通信技术领域。该方法应用于异构融合网络，异构融合网络包括卫星网络和地面网络；该方法包括：获取异构融合网络的业务队列的实时长度；将实时长度输入经过训练的链路优化模型，得到分配给业务队列的链路资源；其中，链路优化模型以业务丢包、排队时延和网络吞吐量为优化目标进行强化学习训练得到；基于分配给业务队列的链路资源对异构融合网络的业务队列进行调度。本发明能够综合考虑业务丢包率、排队时延和网络吞吐量的多优化目标，针对业务队列的不同长度，为业务队列分配链路资源，适用于卫星网络和地面网络异构融合场景下不同类型业务终端回程选择。