در شبکه‌های رایانش لبه-ابر، وجود منابع محاسباتی توزیع‌شده و ناهمگن، همراه با پویایی وظایف و وابستگی تصمیمات، فرآیند مدیریت هماهنگ توزیع شده سرویس ها را با چالش‌های متعددی مواجه کرده است. این مقاله روش یادگیری تقویتی عمیق سلسله‌مراتبی برای ارکستراسیون توزیع‌شده این برنامه‌ها در پیوستار ابر-لبه پیشنهاد می‌دهد. در این چارچوب، چندین عامل در سطح لبه و یک عامل در سطح ابر به‌صورت هماهنگ وظایف کشف خدمات و انتقال محاسبات را مدیریت می‌کنند. در این روش، از یادگیری تقویتی عمیق (Deep Reinforcement Learning – DRL) به‌همراه تکنیک‌هایی نظیر برنامه‌نویسی پویا (Dynamic Programming)، مدل‌های پیش‌بینی، و الگوریتم‌های ژنتیک برای استقرار بهینه میکروسرویس‌ها در محیط‌های پویا و ناهمگون مانند رایانش لبه‌ای و ابر-لبه پیشنهاد شده است. هدف مدیریت کارها همراه با حفظ کیفیت سرویس (QoS) با کاهش تأخیر و افزایش بهره‌وری منابع محاسباتی و ارتباطی است نتایج شبیه‌سازی‌ها نشان می‌دهد که روش پیشنهادی نسبت به الگوریتم‌های موجود، باعث بهبود ۳۳٪ در سرعت همگرایی و کاهش ۳۹٪ در تأخیر پاسخ سرویسها ‌شد.