基于分层强化学习的车网多维资源弹性调度方法

本发明提供一种基于分层强化学习的车网多维资源弹性调度方法，包括：将车网系统目标区域内的每一目标CS建模为一个智能体；确定目标区域内CS‑ICV‑用户端交互过程中电力资源和算力资源调度的优化问题，以所有智能体在调度时间段内的总收益最大化为目标，构建目标函数，确定目标函数的约束条件；构建多智能体模型，多智能体模型包括上层和下层，上层用于对电力资源调度的优化问题进行求解，下层用于对算力资源调度的优化问题进行求解；利用多智能体模型，基于每一智能体在调度时间段内的观测状态，在约束条件下对目标函数进行求解，得到最优调度策略。本发明提高了多维资源调度的灵活性，能够在复杂场景下实现多维资源的合理分配。