摘要
本发明提供一种工业互联网多层异构算力资源的调度与分配方法及装置，涉及移动通信技术领域。该方法包括：构建工业系统模型；多个异构移动设备产生异构任务集合；构建本地计算模型及远程计算模型，得到系统的总能耗及时延；基于元学习方法，移动设备根据总能耗及时延、边缘服务器生成的元学习策略以及深度确定性策略梯度算法进行内层循环优化，得到任务特定策略；边缘服务器根据任务特定策略以及强化学习方法进行外层循环优化，生成新的元学习策略；进而得到基于动态信道状态和队列长度的任务卸载方案。本发明旨在开发一种具有强泛化能力的强化学习算法，能够适应不同任务和设备的需求，减少针对不同任务和设备进行专门训练的成本和时间。
