一种基于多智能体强化学习的V2E认证负载均衡方法

本发明公开了一种基于多智能体强化学习的V2E认证负载均衡方法，该方法首先构建V2E认证模型，基于注意力机制时空图卷积网络构建移动性预测模型，以V2E认证模型的交通数据与路网拓扑为依据，预测认证任务需求。其次将V2E认证模型的优化问题转化为马尔可夫决策过程，并求解马尔可夫决策过程，协同学习最优的动态调整策略。最后智能体根据学习到的最优动态调整策略，实时输出决策指令，实现全局认证负载的动态均衡。本发明有效解决了认证任务域依赖性与系统负载均衡之间的矛盾，从根本上克服了传统任务卸载方案无法应用于认证场景的局限性，显著降低系统平均认证延迟。