Los algoritmos de programación de tareas basados en aprendizaje reforzado (RL) han sido métodos importantes para mejorar el rendimiento de las plataformas en la nube; sin embargo, debido a la dinámica y complejidad del entorno en la nube, el espacio de acción tiene una dimensión muy alta. Esto no solo dificulta el entrenamiento del agente, sino que también afecta el rendimiento de la programación.