⚙️ 调度与优化核心机制
Contextual Bandits (LinUCB)
利用上下文多臂老虎机算法进行实时的设备状态和网络延迟特征学习，在探索与利用（Exploration vs. Exploitation）之间寻找最佳计算设备分配。
Dynamic Cost Function
融合了计算延迟、能耗、队列积压以及安全边界的多维度奖励函数模型，实现资源紧缺状态下的平滑退避与降级决策。
UDS Unified Broker
通过 Unix Domain Socket 异步非阻塞 Broker，与底层 SONUV 网关及 AIRBQ 事务管理器实现秒级通信，实现极致性能。
RL 算法收敛与优化仪表盘
调整控制参数并触发仿真，直观观察强化学习在几十次迭代内如何完成策略收敛并最大化系统奖励值。
仿真配置参数
训练奖励收敛曲线 (Episode Rewards)
🔴 Ready当前仿真状态
-
优化增益 (Gain)
-
最佳动作回报
-
💻 调度器 API 调用示例
# OOPPG 调度决策核心调用逻辑示例：
from ooppg.optimizer import LinUCBScheduler
# 初始化老虎机调度器 (上下文特征维度为 12，设备数为 8)
scheduler = LinUCBScheduler(dimension=12, num_actions=8, alpha=0.25)
# 传入当前决策上下文特征，获取最优分配动作：
action = scheduler.select_action(context_vector)
# 执行任务后，向调度器反馈奖励信号进行在线学习：
scheduler.update(action, context_vector, reward=0.95)