一种面向车辆辅助MEC网络的自适应任务卸载方法

本发明公开了一种面向车辆辅助MEC网络的自适应任务卸载方法。方法包括在建立车辆任务卸载的车辆任务卸载场景；接着，以最小化总体能量消耗和最大化任务卸载效率为优化目标，利用SFRL学习框架对车辆任务卸载场景中的通信和资源进行调度，并构建车辆辅助MEC传输模型；根据车辆辅助MEC传输模型进行任务卸载；基于SFRL优化算法训练更新车辆辅助MEC传输模型，最后实现车辆任务卸载场景的车辆任务卸载。本发明通过将分割学习和联邦强化学习的优势结，优化了分布式学习的资源利用效率，降低了计算与通信成本，提升了数据隐私保护水平显著增强了系统的学习效率、能量效率和整体性能。