一种智能调度方法、装置、设备及存储介质

本发明涉及一种智能调度方法，获取当前环境的状态信息；根据所述状态信息确定当前环境对应的补偿参数；将所述补偿参数输入至预设训练模型，输出对应的补偿动作；执行所述补偿动作，以实现智能调度；综合DQN算法、经验回放缓冲区和目标网络的优点，提出了深度确定策略梯度(DDPG)算法来解决连续状态行为空间中的深度强化学习问题。然而，由于DDPG算法中Actor网络和Q函数之间的相互作用，使得算法通常难以达到稳定，因此很难直接将DDPG算法应用到复杂的高维多智能体环境。