摘要
本发明属于移动边缘计算领域，涉及一种MEC网络中的任务卸载与资源分配方法，包括：构建系统模型；根据系统模型构建任务卸载模型和资源分配模型；基于任务卸载模型和资源分配模型，以最小化MU的任务执行的总成本构建联合优化问题；将联合优化问题转化为马尔科夫决策过程，得到状态空间、动作空间以及奖励函数；根据状态空间、动作空间以及奖励函数利用深度强化学习算法和差分进化算法求解联合优化问题，得到最优任务卸载决策和资源分配决策；本发明基于深度强化学习模型，利用噪声保序量化方法求解任务卸载子问题，利用差分进化算法求解资源分配子问题，实现了更加准确的任务卸载和资源分配。
