摘要
本发明公开了一种边缘计算环境下基于深度强化学习的车载任务卸载方法。本方法首先构建任务卸载环境:基于排队论对任务到达与任务卸载建立包括车辆终端、RSU的车联网环境,计算车辆任务执行时延、RSU间传递时延以及车辆终端将任务卸载至RSU的上传时延,得到任务执行总时延;再建立优化模型:将任务的总执行时延最小作为优化目标,建立优化问题;最后基于MADDPG设计了一种行为‑评价网络算法,通过行为网络参数和评价网络参数,解决智能体间没有交互,无法运用整体信息的问题,完成车载任务卸载。本发明解决了多个区域间的负载均衡的问题,避免了任务分配不均而导致的资源浪费,提高了车联网系统整体的资源利用率和运算效率。