强化学习（RL）技术通过蒙特卡洛树搜索（MCTS）的加速，成功解决了多资源需求下的DAG问题，优化目标为缩短makespan。根据当前的计算资源和任务状态，MCTS算法被用来探索并选择最佳的动作，在树的扩展和模拟过程中，结合深度强化学习（DRL）技术，以缩小搜索空间，聚焦于更有潜力的动作选择。

在现有状态下，许多动作并非必要进行探索，传统的MCTS采用随机策略选择动作显然效率不高。相比之下，经过训练的DRL模型能够高效地挑选尚未探索的动作，其选择依据策略网络输出的动作概率，使得具有较短makespan的动作具备更高的选取概率。因此，利用训练有素的DRL模型进行动作选择，为makespan的估计提供了更为准确和有意义的依据。