一种基于深度强化学习的异构车辆边缘计算资源分配方法

本发明属于通信技术领域，特别涉及一种基于深度强化学习的异构车辆边缘计算资源分配方法，包括构建异构VEC系统模型；以在资源约束和URLLC约束下最小化系统效用为目标，建立优化问题模型；将卸载和资源分配过程建模为DRL过程，构建深度强化学习框架，得到状态空间、动作空间和回报函数；基于深度强化学习框架，通过改进的SAC算法进行资源分配策略的优化，得到最优的通信资源和计算资源分配比例；本发明在满足URLLC要求的同时，显著降低系统效用，适用于动态车辆环境，为异构车辆边缘计算资源分配提供有效解决方案。