一种车辆辅助边缘计算网络的任务卸载与资源分配优化方法

本发明公开了一种车辆辅助边缘计算网络的任务卸载与资源分配优化方法。方法包括：建立车辆辅助边缘计算网络的基础模型；建立车辆辅助边缘计算任务成本评估与优化模型，量化成本并求解优化问题；根据系统状态信息，利用基于MADDPG的多智能体深度强化学习方法得出子任务的卸载决策；根据卸载决策，利用基于PSO的粒子群方法得出发射功率和计算资源分配决策；完成决策后，更新系统状态信息、buffer缓冲区信息以及抽样训练多智能体神经网络。该方法能解决车辆设备资源受限、MEC服务器负担重、任务卸载决策复杂等问题，实现降低任务执行延迟、优化资源利用率、减少系统成本的目标，提升车辆辅助边缘计算网络的性能。