一种边缘计算的任务卸载和资源分配方法

本发明属于移动通信技术领域，尤其为一种边缘计算的任务卸载和资源分配方法。本发明通过建立三层网络结构，通过强化学习构建分布式决策框架，动态评估任务紧急度并差异化分配计算资源；结合边缘‑云协同架构优化任务卸载与资源分配，实现计算负载均衡。本文针对云边端协同的边缘计算模型，将系统总成本定义为任务卸载时延和能耗的联合优化问题，将此问题模型转换为马尔可夫决策过程，设计了面向多智能体多用户的深度强化学习算法智能体近端策略优化(MAPPO)，通过多智能体之间相互学习，并得出最优的卸载决策。本发明能够有效的降低了系统总成本，实现了边缘计算任务卸载与资源分配决策的合理性，同时能够提升用户的使用体验。