一种基于多智能体的边缘依赖任务卸载和资源分配方法

本发明公开了一种基于多智能体的边缘依赖任务卸载和资源分配方法，包括：构建车辆边缘计算系统模型；基于反向宽度优先搜索算法，为任务集合中的各个任务计算优先级，生成带优先级的任务序列；将带优先级的任务序列输入多智能体强化学习框架中，使智能体根据环境状态输出任务卸载和资源分配决策；在车辆边缘计算系统模型中执行得到的任务卸载和资源分配决策，并通过奖励函数对任务卸载和资源分配决策进行评估和优化；利用优先级经验回放机制对智能体的训练过程进行优化；直至智能体策略收敛，得到优化的任务卸载和资源分配策略。本发明通过将优先经验回放与软更新机制相结合，缩短了获取优化任务卸载和资源分配策略的时间，提高了数据的利用效率。