基于深度强化学习的车联网移动边缘计算服务部署方法

本发明提供一种基于深度强化学习的车联网移动边缘计算服务部署方法，将车联网环境下的MEC服务部署问题转化为多约束条件下的最优化问题，优化目标设为车联网移动边缘计算系统总收入的最大化，先采用改进的KMeans方法进行基站和车辆用户的分簇，在每个簇的簇心上部署一个边缘服务器，然后使用DQN算法探索各个边缘服务器上的服务部署策略，通过状态收集、动作选择、执行动作、经验存储、经验回放、参数更新等训练深度强化学习网络算法，实时监测服务器剩余的资源和未完成的任务，合理利用有限资源，完成MEC服务的部署，通过不断调整并寻找算法的最优参数，能够使系统的总收入最大化，且具有较高的稳定性，有利于MEC系统的长期稳定发展。