本發(fā)明涉及一種邊緣計(jì)算環(huán)境下多目標(biāo)任務(wù)調(diào)度方法及裝置，其特征在于，其包括步驟：構(gòu)建用于對(duì)邊緣服務(wù)器中多個(gè)服務(wù)請(qǐng)求的執(zhí)行順序進(jìn)行決策的指針網(wǎng)絡(luò)模型，且使所述指針網(wǎng)絡(luò)模型的結(jié)果取樣策略將服務(wù)請(qǐng)求的平均等待時(shí)間作為優(yōu)化指標(biāo)；將邊緣服務(wù)器的資源利用率與運(yùn)行時(shí)間整合為一個(gè)優(yōu)化目標(biāo)作為強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)函數(shù)對(duì)指針網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。本發(fā)明實(shí)施例將等待時(shí)間優(yōu)化目標(biāo)融合在模型決策內(nèi)部，從而達(dá)到多目標(biāo)優(yōu)化的效果，不需要對(duì)權(quán)重取值進(jìn)行大量的實(shí)驗(yàn)分析，對(duì)指針網(wǎng)絡(luò)的模型訓(xùn)練更加有效。同時(shí)，基于強(qiáng)化學(xué)習(xí)的指針網(wǎng)絡(luò)模型，無(wú)需像傳統(tǒng)的啟發(fā)式算法需要長(zhǎng)時(shí)間迭代，可以做到迅速?zèng)Q策，符合邊緣環(huán)境下對(duì)時(shí)延敏感的要求。