1.一种资源调度分配方法，其特征在于，包括步骤：
s100，获取目标应用程序的当前资源使用状态；
s200，采用预置的深度强化学习dql模型根据所述当前资源使用状态判断所述目标应用程序在目标时间段的预估资源使用配置；
s300，在进入所述目标时间段时根据所述预估资源使用配置对所述目标应用程序进行资源调度分配动作。
2.根据权利要求1所述的方法，其特征在于，所述获取目标应用程序的当前资源使用状态的步骤之前，还包括：
获取所述目标应用程序的场景使用资源数据；
根据所述场景使用资源数据建立与所述目标应用程序对应的dql模型。
3.根据权利要求2所述的方法，其特征在于，所述s100的步骤，具体包括：
s110，通过卷积神经网络提取所述目标应用程序的场景资源特征；
s120，根据所述场景资源特征获取得到场景使用资源数据。
4.根据权利要求3所述的方法，其特征在于，所述目标应用程序包括游戏软件、多媒体播放软件、交友聊天软件、网页冲浪软件和/或网络直播软件；
所述通过卷积神经网络提取所述目标应用程序的场景资源特征的步骤，具体包括：
将所述目标应用程序的场景页面分解成帧图片；
通过卷积神经网络从所述帧图片提取得到所述目标应用程序的场景资源特征。
5.根据权利要求2所述的方法，其特征在于，所述根据所述场景使用资源数据建立与所述目标应用程序对应的dql模型的步骤，还包括：
对所述dql模型进行q函数拟合，以训练得到优化的dql模型。
6.根据权利要求5所述的方法，其特征在于，所述对所述dql模型进行q函数拟合的步骤，具体包括：
通过卷积神经网络采集并提取所述目标应用程序、类似应用程序、设备自身资源使用状况的场景资源综合特征；
利用所述场景资源综合特征对所述dql模型进行q函数拟合训练。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述步骤s200还包括：
获取所述目标应用程序的历史使用数据；
根据所述历史使用数据和所述当前资源使用状态判断所述目标应用程序在目标时间段的预估资源使用配置。
8.根据权利要求7所述的方法，其特征在于，所述历史使用数据包括：
使用时间段、使用频率、操作频率中的至少一个。
9.一种资源调度分配装置，其特征在于，其配置有处理器，所述处理器用于执行资源调度分配程序，以实现包括如权利要求1-8任一项所述的资源调度分配方法。
10.一种计算机可读存储介质，其特征在于，其用于存储资源调度分配程序，所述资源调度分配程序在被处理器执行时，以实现包括如权利要求1-8任一项所述的资源调度分配方法。