一种基于多维时序数据回放的智能调度策略仿真评测方法及系统

本发明涉及强化学习技术领域，具体公开了一种基于多维时序数据回放的智能调度策略仿真评测方法及系统，包括如下步骤：采集异构设备指标、容器事件和历史调度日志，经时间对齐和结构化处理形成含事件标识及决策触发标识的主事件序列，建立接收相同事件的历史策略分支和待评测策略分支，在决策触发位置确定环境状态并调用参数固定的强化学习调度策略，依据历史调度动作和待评测调度动作更新对应分支，以事件标识关联执行结果和评测指标并配对比较，生成策略评测结果。本发明通过相同事件输入、分支状态隔离和事件级配对，使不同策略在一致资源请求和环境条件下独立演进，并支持评测结果按资源请求事件追溯。