本研究提出了一种新的离线强化学习算法SOCD，旨在解决多用户延迟约束调度问题。该算法结合了扩散策略网络和无采样的批评网络，从预收集的数据中学习高效的调度策略，显著提升了动态系统的性能，降低了在线交互的成本与损失。

该研究提出了一种新的方法，可以在单个标准训练时间内将用户定义的内存和延迟约束融入不同iable NAS优化方法中。该方法在五个物联网相关基准测试中进行了评估，降低了内存和延迟分别达到87.4%和54.2%，同时保证TinyML的最新手动调优深度神经网络的非劣性精度。