云边端DRL异构资源调度框架

参赛项目：基于深度强化学习的云边端资源调度方案

项目概述

本项目实现一套基于深度强化学习的云-边-端异构资源调度仿真框架，内置启发式基线HEFT、Dueling-DQN等调度算法，以最小化Makespan为优化目标，支持DAG任务调度仿真、自动指标评估与结果可视化，可在openEuler环境部署运行。

环境依赖

pip install -r requirements.txt

#目录结构：
├── agents/          # 强化学习智能体、启发式基线
├── config/          # 资源、任务配置文件
├── env/             # 调度仿真环境、DAG管理器、奖励计算
├── utils/           # 日志、性能指标工具
├── main.py          # 程序入口
├── train.yaml       # 训练超参配置
├── eval_base.yaml   # 评估配置
├── run_all.sh       # Linux一键运行脚本
├── requirements.txt # Python依赖

#一键运行（openEuler/Linux）
chmod +x run_all.sh
./run_all.sh
功能说明
自动生成 / 加载 DAG 任务图；
支持多种调度算法横向对比；
输出 Makespan、资源利用率等评价指标；
自动绘制实验结果图片；
支持消融实验、多场景泛化测试。