简介： 本发明涉及一种基于深度强化学习的算力资源度量方法，包括以下步骤：步骤S1：对任务集中所有待量化计算任务进行建模分析，分别定义状态、动作、奖励值；步骤S2：根据深度强化学习算法构建算力量化模型框架，并针对量化要求对模型优化目标进行细化；步骤S3：通过调整超参数对模型进行优化，得到迭代完成的训练模型；步骤S4：将待量化任务数据输入训练好的模型得到计算任务的算力度量结果。本发明能够通过细粒度分析任务模型，量化任务资源需求量，有效预测任务执行时间，实现了对异构任务的算力资源度量，为未来工业互联网下网络‑计算‑控制一体化提供算力量化基础。