摘要
本发明公开了一种基于优化和机器学习双驱动的算网存资源协同分配方法，其包括获取待资源分配的所有用户请求，并将其存储至请求集合；将当前网络资源状态和算法决策状态及请求集合中未遍历的服务请求φ的服务功能m的用户状态输入已训练的DRL模型，得到服务请求φ的服务功能m及其所需的静态对象分别放置在各节点的效益权重wf、ws；将wf、ws分别拼接至算法决策状态的权重矩阵Wf和Ws，判断m是否等于服务请求φ的服务功能总数量，若是，则进入下一步，否则更新m＝m+1，并返回模型识别步骤；判断服务请求φ是否等于H，若是，则通过求解ILP优化问题和LP优化问题得到资源分配策略，否则更新φ＝φ+1，并返回模型识别步骤。
