简介： 本发明提供了一种分布式系统中的任务调度方法，通过将分布式系统中抽象的的任务、节点以及环境分别转换成可计算的向量，便于计算；基于深度强化学习的训练方法进行数据的训练，可以有效的克服传统语义训练中的样本不足、向量之间距离拉不开足够距离导致效果不好的问题；通过对分布式系统进行具体情况的分析，设定出有助于选择动作的回报函数，可以有效减少整个分布式系统的能耗和SLAV情况，有效提高系统性能；基于真实的数据集进行测试，并具有很强的泛化能力，可以适用于各种分布式系统中。