一种车辆计算卸载的深度学习方法

本发明公开了一种车辆边缘计算卸载的深度学习方法，此方法采用改进的Transformer特征提取模型，引入Encoder模块，以增强对车辆特征数据中局部依赖的挖掘，进一步强化了网络的表达能力和泛化能力，提高了卸载决策的准确性和稳定性。通过简化网络，降低了模型的算法复杂度，提升了模型的计算效率。此外，本发明的方法还结合VE‑Kmeans算法和MADDPG网络模型进行训练，从而在保证精确度的情况下，大幅度提升模型的计算速度以及降低内存消耗，提高了车辆计算卸载的实用性和灵活性。