1.一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，包括如下步骤：
采掘工作面的终端设备产生实时计算任务，并将实时状态信息发送给云端；所述状态信息包括设备位置、任务需求、任务计算量、自身计算能力以及通信噪声；
云端周期性获取工作面的状态信息，建立包括终端设备、无人机和边缘计算服务器的通信和计算模型，进而建立最小化计算时间的算力调度优化模型；
云端建立马尔可夫决策过程描述算力调度过程，并训练深度强化学习模型；
云端使用训练完成的深度强化学习模型根据终端设备的实时状态信息形成任务拆分方式、卸载策略、算力分配方案和无人机悬停位置信息，并下发至无人机和边缘计算服务器。
2.根据权利要求1所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，所述最小化计算时间的算力调度优化模型的优化问题表示为：
；
其中： ；
t表示时隙，TMAX为优化问题考虑的时间上限，N表示终端设备数量， 表示终端设备n的任务需求， 越大表示任务的时延敏感性越高， 表示边缘计算服务器m的算力资源分配给终端设备n的比例， 表示终端设备n卸载的任务比例，表示终端设备n在本地计算的时间， 为指示函数，取值为 ，
表示卸载决策， 表示终端设备n直接将任务传输给边缘计算服务器，
表示终端设备n通过无人机的中继将任务卸载到边缘计算服务器计算，
表示终端设备n将任务卸载到无人机上计算， 、 和
分别表示终端设备n与边缘计算服务器m之间的通信时间、终端设备n通过无人机w中继到达边缘计算服务器m的通信时间，以及终端设备n与无人机w之间的通信时间， 表示终端设备n将任务卸载到边缘计算服务器m所需的计算时间， 表示终端设备n将任务卸载到无人机w所需的计算时间， 为N维向量，对应N个终端设备的任务拆分方式，为N维向量，对应N个终端设备的任务卸载策略，F为MN维向量，对应M个边缘计算服务器的算力分配方案， 为3W维向量，对应W个无人机的最佳悬停位置。
3.根据权利要求2所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，对于终端设备n，任务在本地计算的时间表示为：
；
其中， 表示任务计算量， 表示终端设备n计算能力；
当 或 时，终端设备n将任务卸载到边缘计算服务器m所需的计算时
间表示为：
；
其中， 为边缘计算服务器m计算能力；
当时 ，终端设备n将任务卸载到无人机w所需的计算时间表示为：
；
其中， 为无人机w计算能力。
4.根据权利要求2所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，通信时间为卸载的任务计算量与通信速率的比值，其中通信速率根据信噪比计算，信噪比根据信道增益和信道噪声功率计算，信道增益根据通信双方的位置确定。
5.根据权利要求2所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，所述马尔可夫决策过程的状态空间包括终端设备的位置，终端设备的自身计算能力，边缘计算服务器的位置，边缘计算服务器的计算能力，无人机的计算能力，无人机的通信发射功率，终端设备的任务计算量，任务需求，终端设备的通信发射功率，以及自身环境中传输噪声功率；
所述马尔可夫决策过程的动作空间 表示为 ；其中， 为4N维向
量，对应N个终端设备卸载策略的独热编码；
所述马尔可夫决策过程的奖励函数为采用所选算力调度方案后相对于任务全部由终端设备本地计算所节省的计算时间。
6.根据权利要求1所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，在云端基于深度确定性策略梯度算法训练深度强化学习模型。
7.根据权利要求1所述的一种基于深度强化学习的智慧煤矿算力调度方法，其特征在于，基于深度确定性策略梯度算法训练深度强化学习模型的步骤包括：
（1）初始化数据缓冲区 ，评价网络、动作网络，以及目标评价网络、目标动作网络，网络参数分别表示为 ， ， 和 ；
（2）初始化回合数和回合中的时隙t；
（3）多智能体根据当前动作网络的输出和探索机制输出动作；
（4）终端设备、无人机和边缘计算服务器执行动作，云端根据执行结果产生四元组，其中s为当前环境状态， 为执行的动作，r为执行后获得的奖励函数， 为下一时隙的环境状态，并且将四元组存储到 中；
（5）当前状态更新为下一时隙的状态；
（6）如果 中数据存满，则采样出所设批次数量的四元组作为训练集开始训练深度强化学习模型；
（7）将时隙t的环境状态 和动作 输入评价网络，得到时隙t的价值函数的预测值 ，简化表示为 ；
（8）使用目标动作网络计算下一时隙t+1的预测动作 ，用
表示，并使用目标评价网络得到下一时隙t+1的预期价值函数
，用 表示；
（9）更新评价网络，损失函数表示为：
；
其中，S为缓冲区大小，MSE表示均方误差函数， 为时隙t的实际奖励函数， 为衰减因子；
（10）使用动作网络根据时隙t的环境状态 输出一组动作，用 表示，并使用评价网络输出与动作网络所给出的预测动作相对应的价值函数，为区别于将真实环境和动作作为输入时的输出，这里将输出表示为 ，简化表示为
；
（11）更新动作网络，动作网络的损失函数为步骤（10）中评价网络的输出 ，通过对动作网络的输入 求偏导数得到网络参数更新方向；
（12）对目标网络参数 和 进行软更新，更新步长系数为 ，更新后的网络参数取值为：
；
（13）判断回合数和时隙t是否小于训练总时间长度，若是，则进入步骤（3），否则结束训练。
8.一种基于深度强化学习的智慧煤矿算力调度系统，其特征在于，包括云端、部署在矿山工作面的终端设备、边缘计算服务器和无人机；
所述终端设备，用于产生实时计算任务，并将实时状态信息发送给云端；所述状态信息包括设备位置、任务需求、任务计算量、自身计算能力以及通信噪声；
所述云端，用于周期性获取工作面的状态信息，建立包括终端设备、无人机和边缘计算服务器的通信和计算模型，进而建立最小化计算时间的算力调度优化模型；建立马尔可夫决策过程描述算力调度过程，并训练深度强化学习模型；以及使用训练完成的深度强化学习模型根据终端设备的实时状态信息形成任务拆分方式、卸载策略、算力分配方案和无人机悬停位置信息，并下发至无人机和边缘计算服务器。
9.根据权利要求8所述的一种基于深度强化学习的智慧煤矿算力调度系统，其特征在于，所述最小化计算时间的算力调度优化模型的优化问题表示为：
；
其中： ；
t表示时隙，TMAX为优化问题考虑的时间上限，N表示终端设备数量， 表示终端设备n的任务需求， 越大表示任务的时延敏感性越高， 表示边缘计算服务器m的算力资源分配给终端设备n的比例， 表示终端设备n卸载的任务比例，表示终端设备n在本地计算的时间， 为指示函数，取值为 ，
表示卸载决策， 表示终端设备n直接将任务传输给边缘计算服务器，
表示终端设备n通过无人机的中继将任务卸载到边缘计算服务器计算，
表示终端设备n将任务卸载到无人机上计算， 、 和
分别表示终端设备n与边缘计算服务器m之间的通信时间、终端设备n通过无人机w中继到达边缘计算服务器m的通信时间，以及终端设备n与无人机w之间的通信时间， 表示终端设备n将任务卸载到边缘计算服务器m所需的计算时间， 表示终端设备n将任务卸载到无人机w所需的计算时间， 为N维向量，对应N个终端设备的任务拆分方式，为N维向量，对应N个终端设备的任务卸载策略，F为MN维向量，对应M个边缘计算服务器的算力分配方案， 为3W维向量，对应W个无人机的最佳悬停位置。
10.根据权利要求9所述的一种基于深度强化学习的智慧煤矿算力调度系统，其特征在于，所述马尔可夫决策过程的状态空间包括终端设备的位置，终端设备的自身计算能力，边缘计算服务器的位置，边缘计算服务器的计算能力，无人机的计算能力，无人机的通信发射功率，终端设备的任务计算量，任务需求，终端设备的通信发射功率，以及自身环境中传输噪声功率；
所述马尔可夫决策过程的动作空间 表示为 ；其中， 为4N维向
量，对应N个终端设备卸载策略的独热编码；
所述马尔可夫决策过程的奖励函数为采用所选算力调度方案后相对于任务全部由终端设备本地计算所节省的计算时间。