一种面向通感一体的MEC差异化服务缓存和资源分配方法

本发明属于移动通信技术领域，具体涉及一种面向通感一体的MEC差异化服务缓存和资源分配方法，包括构建去中心化通感一体MEC系统模型，建立差异化任务模型、服务缓存模型、通感信号模型和任务卸载模型；以最小化差异化任务的处理时延和能耗为目标，建立服务缓存、任务卸载、算力资源分配和功率资源分配的联合优化问题；将联合优化问题转化为部分可观测的马尔可夫决策过程，并采用基于多智能体深度确定性策略的深度强化学习算法求解得到最优解；本发明可以实现更小的长期处理成本。