一种基于云边端协同计算的车联网异构资源分配方法

本发明公开了一种基于云边端协同计算的车联网异构资源分配方法，属于移动边缘计算技术领域。本发明结合协同过滤和属性基础预测进行多目标优化的内容流行度预测，预测结果用于指导内容在云‑边‑端网络中的缓存策略，减少延迟并提高缓存命中率；利用多粒度任务分解算法和双深度Q网络任务调度算法，实现任务的细粒度分解与资源的有效分配，最大化延迟和能耗的加权效用函数；在车辆边缘网络中，每个边缘服务器能够独立执行服务迁移并为其他边缘服务器的服务迁移分配资源，利用深度确定性策略梯度算法解决模型自由马尔可夫决策过程问题，最大化由车辆卸载的服务的总期望效用。本发明可以提高网络的整体性能和服务质量，尤其适用于高度动态的环境。