一种基于多智能体深度强化学习的分布式优先感知协同卸载算法

本发明公开了一种基于多智能体深度强化学习的分布式优先感知协同卸载算法，包括：一种支持边缘服务器之间协作的车载边缘计算(VEC)架构；一个分散式部分可观测马尔可夫决策过程(Dec‑POMDP)框架；一种基于多智能体深度强化学习(MADRL)的分布式优先感知协同卸载(DPACO)算法。所述VEC架构包含车辆层、边缘层和云层三个层级；所述Dec‑POMDP框架包括对车辆的观测和状态、车辆行为、奖励函数；所述DPACO算法采用分布式SAC框架，通过共享VEC服务器池和队列感知优先级机制实现高效任务处理。该算法克服了单服务器卸载的局限性，并在多个服务器之间最大化资源的效用，实现边缘到边缘的协同运作，特别设计的任务优先级机制确保了低时延服务，尤其对关键任务具有显著保障作用。