基于混合强化学习的智能网络调度方法及系统

本发明属于网络调度技术领域，公开了一种基于混合强化学习的智能网络调度方法及系统，本发明设计基于 Transformer 的多头注意力策略网络，能够同时执行离散的协议选择与连续的速率调节，打破了传统调度模型在动作维度划分上的局限。因此，调度器在面对复杂任务时能灵活选择最优策略，显著提升了决策的精细化和适应性。为克服强化学习中价值过估计的问题，本发明构建了双 Q‑Critic 网络结构，引入双重评估路径。在训练过程中通过最小化两个 Critic 的估值偏差，有效抑制了过高估计，从而提高了策略的收敛稳定性和估值精度。在奖励机制上，本发明引入结构因果模型（SCM）生成反事实奖励信号，通过构造针对特定动作的因果干预路径，融合真实奖励与反事实奖励。