基于深度强化学习的车载边缘计算环境下任务卸载方法

本申请涉及智能车联网技术领域，尤其涉及一种基于深度强化学习的车载边缘计算环境下任务卸载方法，包括获取任务车辆产生待执行任务，将任务上传至RSU，根据任务的当前状态和可用资源生成调度决策，并将任务分配至服务车辆或本地执行；利用层次分析法对任务进行优先级划分，获取各所述待执行任务的当前状态；基于任务状态以及优先级利用模型调度，获取任务的服务车辆编号、任务车辆编号、计算卸载以及调度策略；获取当前服务车辆的可用计算资源；利用Actor‑Cr it ic算法训练序列到序列模型，得到最优的任务部分卸载及调度策略。本申请能够充分利用服务车辆和边缘服务器的计算资源，使整个时间段内所有任务的执行时延更小并且任务执行成功率更高。