本發(fā)明提出一種基于深度強(qiáng)化學(xué)習(xí)的實(shí)時(shí)分布式無線網(wǎng)絡(luò)調(diào)度方法和系統(tǒng)，包括：獲取由多個(gè)接入點(diǎn)和用戶節(jié)點(diǎn)組成的無線網(wǎng)絡(luò)；在測(cè)試階段的每個(gè)時(shí)隙，接入點(diǎn)根據(jù)部分?jǐn)?shù)據(jù)流對(duì)應(yīng)的發(fā)送隊(duì)列信息，得到各數(shù)據(jù)流的狀態(tài)，同時(shí)獲取之前對(duì)無線信道的歷史觀測(cè)信息將數(shù)據(jù)流的狀態(tài)和歷史觀測(cè)信息輸入至決策模型，接入點(diǎn)執(zhí)行決策模型輸出結(jié)果對(duì)應(yīng)的調(diào)度決策；在訓(xùn)練階段，網(wǎng)絡(luò)中存在的全局決策模型獲取所有數(shù)據(jù)流的狀態(tài)信息，并給出每個(gè)接入點(diǎn)的最優(yōu)決策動(dòng)作，接入點(diǎn)執(zhí)行專家網(wǎng)絡(luò)給出的最優(yōu)決策動(dòng)作，同時(shí)將部分?jǐn)?shù)據(jù)流的狀態(tài)，信道的歷史觀測(cè)信息，最優(yōu)調(diào)度決策動(dòng)作作為交互信息存儲(chǔ)至各自的經(jīng)驗(yàn)回放池中，從各自的經(jīng)驗(yàn)回放池中抽取經(jīng)驗(yàn)，訓(xùn)練更新當(dāng)前決策模型。