一种资源调度模型的训练和资源调度方法及其装置

本申请提供一种资源调度模型的训练和资源调度方法及其装置，属于网络传输技术领域，训练方法包括：每轮次迭代中，基于获得的分布式协同训练流任务执行多个任务聚合阶段，在每个任务聚合阶段利用上层智能体确定物理传输网络中的网络节点的聚合决策，利用下层智能体，基于聚合决策确定任务聚合阶段内并行子任务的资源分配决策；其中，后一任务聚合阶段的执行以其前一任务聚合阶段内所有并行子任务均完成为前提；根据优势函数估计值更新网络参数，其中，更新过程采用的目标函数通过概率比进行范围限制。本申请对同一聚合阶段的并行计算进行时序对齐，同时隐式限制策略更新前后的分布差异，有效克服了由宏观动作突变引发的底层状态非平稳性难题。