一种面向车载边缘计算的分布式服务迁移方法

本发明属于车载边缘计算领域，公开及一种面向车载边缘计算环境的分布式服务迁移方法。该方法基于对比角色表示和多智能体深度强化学习，通过构建一个三层异构车载边缘网络模型，包括云中心层、边缘层和用户层，优化服务迁移决策。本发明提出了一种基于改进QMIX的多智能体深度强化学习方法，根据智能体历史轨迹信息为局部Q网络和混合网络构建智能体行为状态轨迹嵌入，捕捉时间相关的行为模式，解决部分可观测性问题，进一步使用基于对比学习的角色编码器提取不同智能体的独特行为模式生成角色表示，以捕获智能体行为的长期特征；在混合网络中引入多头注意力机制，动态分配注意力权重。本方法具有性能优越性。