基于多智能体强化学习的RSU辅助单跳任务卸载优化方法

本发明公开了一种基于多智能体强化学习的RSU辅助单跳任务卸载优化方法，属于属于车联网与边缘计算技术领域。本发明包括：通过RSU主动感知道路环境，生成感知任务；通过门控循环单元GRU模型预测邻近车辆的分布状态，实时更新每个RSU的邻近节点集合；根据任务特性，将RSU生成的任务卸载到邻近的边缘计算节点上，并基于时延与能耗计算模型，对卸载到其他节点的时延与能耗进行计算；优化目标函数，以使计算总时延和总能耗最小化，并将任务决策问题建模为马尔科夫决策过程；利用MAPPO算法进行分布式训练与优化，以得到最优任务卸载决策。本发明能够有效降低长时平均任务处理时延与能耗，提升动态车联网环境下任务卸载的效率与鲁棒性。