基于联邦自监督学习的任务卸载和资源分配方法和系统

本发明提供一种基于联邦自监督学习的任务卸载和资源分配方法和系统，属于车联网边缘计算技术领域。其中方法包括构建目标车辆的第一本地模型；确定任务卸载迭代次数和未训练迭代的次数；确定目标车辆的第二本地模型；将本地数据卸载到RSU，以确定第三本地模型；确定目标车辆的系统状态、目标时隙的动作和奖励以更新SAC网络；确定基站的全局模型；以根据最终的SAC网络进行资源分配并根据最终的全局模型进行任务卸载。本发明减少了系统能耗，提高了联邦自监督学习的卸载效率和准确性。