本發(fā)明公開了一種無(wú)服務(wù)器計(jì)算中基于延遲和成本均衡的動(dòng)態(tài)任務(wù)放置方法，根據(jù)強(qiáng)化學(xué)習(xí)的結(jié)果對(duì)任務(wù)放置進(jìn)行決策：將任務(wù)放置在邊緣設(shè)備的任務(wù)執(zhí)行隊(duì)列中等待計(jì)算；或?qū)⑷蝿?wù)上傳至無(wú)服務(wù)器中計(jì)算。時(shí)間預(yù)測(cè)步驟中利用基于深度學(xué)習(xí)的小批量隨機(jī)梯度下降算法對(duì)線性預(yù)測(cè)模型進(jìn)行迭代更新，在任務(wù)放置方法中使用基于強(qiáng)化學(xué)習(xí)的Q?Learning算法進(jìn)行決策。Q?Learning算法通過(guò)構(gòu)建Q?Table表格，對(duì)任務(wù)執(zhí)行的狀態(tài)動(dòng)作值函數(shù)進(jìn)行維護(hù)和更新，依此綜合考慮任務(wù)的延遲和成本均衡，作出合理預(yù)測(cè)。本發(fā)明成量級(jí)地降低任務(wù)的延遲，并同時(shí)考慮了成本的控制，達(dá)到了在無(wú)服務(wù)器計(jì)算中對(duì)延遲和成本均衡的動(dòng)態(tài)任務(wù)放置。