一种基于增强深度强化学习的车联网分布式边缘计算方法

本发明公开了一种基于增强深度强化学习的车联网分布式边缘计算方法，具体为：首先建立基于分布式云计算网络的计算卸载系统，将其中来自车辆的计算任务由分布式系统中的多个边缘计算资源单元(ECRU)处理；然后将计算卸载资源的优化问题建模为马尔可夫决策过程(MDP)，同时考虑了系统收入、成本支出和系统中的其他领域；最后采用增强型深度Q学习方法来解决优化问题。本发明可以有效地实现快速收敛速度和高收敛稳定性，并具有最高的性能。