[发明专利]调度方法、调度系统和调度装置

说明书

本申请提供了一种调度方法、调度系统和调度装置，调度器在获取到终端设备发送的上一次调度决策的收益反馈后，可以在接收到收益反馈之后的N个时间单元发送根据该收益反馈计算的本次的调度决策，其中，N＞1且N为整数，从而能够留给调度器充足的时间进行调度决策的计算与编码，有效解决了调度器无法及时获取上一次调度决策收益时，调度流程与空口时序卡滞冲突的问题。

技术领域

本申请涉及通信领域，并且具体地，涉及一种调度方法、调度系统和调度装置。

背景技术

在蜂窝网络中，介质访问控制(media access control，MAC)层调度主要解决时频资源的分配、调制与编码策略(modulation and coding scheme，MCS)选择、用户配对、预编码等问题，通过调度来实现系统吞吐和公平性的折中。

目前使用深度强化学习的基站(base station，BS)调度器可更好地实现系统吞吐和公平性的折中。在进行深度强化学习的过程中，调度器在接收到上次调度决策的收益反馈之后，要根据该收益反馈确定本次的调度决策，然后将本次的调度决策发送给BS进行下行控制信息(downlink control information，DCI)编码之后由BS在约定的时间发送给终端设备，在实际中，可能由于调度器无法及时获取到上次调度决策的收益，导致BS无法在系统约定时间发送本次的调度决策的DCI编码，从而造成空口反馈滞后，导致调度器无法在时序上有效地进行深度强化训练。

发明内容

本申请提供一种调度方法、调度系统和调度装置，有效解决了调度器无法及时获取上一次调度决策收益时，调度流程与空口时序卡滞冲突的问题。

第一方面，提供了一种调度方法，应用于由至少一个调度器组成的调度系统中，调度系统包括第一调度器，方法包括：第一调度器在第i个时间单元获取第一收益反馈，其中，i≥1且i为整数；第一调度器根据第一收益反馈确定第一调度决策，其中，第一收益反馈是终端设备根据第二调度决策确定的，第二调度决策为第一调度器在第一调度决策之前确定的上一次的调度决策；第一调度器在第i+N个时间单元发送第一调度决策，其中，N＞1且N为整数。

上述技术方案中，调度器在获取到上一次调度决策的收益反馈时，可以在接收到收益反馈之后的N个时间单元发送根据该收益反馈计算的本次的调度决策，从而能够留给调度器充足的时间进行调度决策的计算与编码，有效解决了调度器无法及时获取上一次调度决策收益时，调度流程与空口时序卡滞冲突的问题。

结合第一方面，在第一方面的某些实现方式中，调度系统还包括一个或多个第二调度器，方法还包括：第二调度器在第i+j个时间单元获取第二收益反馈，其中，1≤j≤N-1且j为整数；第二调度器根据第二收益反馈确定第三调度决策，其中，第二收益反馈是终端设备根据第四调度决策确定的，第四调度决策为第二调度器在第三调度决策之前确定的上一次的调度决策，第一调度器确定的调度决策和第二调度器确定的调度决策分别为第一调度器和第二调度器对同一任务的调度决策；第二调度器在第i+j+M个时间单元发送第二调度决策，其中，M＞1且M为整数。

上述技术方案中，相对于只使用1个调度器的使用场景更宽泛，采用多调度器协作调度的调度流程方案，第一调度器和第二调度器交替获取上行收益反馈并输出调度策略，有效地提升调度器对空口环境的适应性。

结合第一方面，在第一方面的某些实现方式中，第一调度器向第二调度器发送第一信息，第一信息包括第一调度决策或第三收益反馈，第三收益反馈是终端设备根据第一调度决策确定的；第二调度器接收第一信息并根据第一信息调整之后对任务的调度决策。

上述技术方案中，调度器间具有信息交互功能，可以调整自身的调度参数，确保不同调度器的调度策略相近、相同，以及调度收益最大化。