融合ST-GNN与多智能体的车联网资源切片方法

本发明提出一种融合ST‑GNN与多智能体的车联网资源切片方法，其中，以共享资源池为中心的分层资源切片框架，用于整合基站和MEC控制器的资源分配问题；车联网所有区域以ST‑GNN为基底，并结合Transformer编码器优化任务流量预测结果。MADRL算法被用于协调区域内基站等不同角色节点的资源决策行为，其中，Actor网络被部署在基站上，Critic网络被部署于MEC控制器，以实现中心化训练和去中心化决策。最后，通过区域内与跨区域联合微调的方式，优化ST‑GNN和MADRL算法，实现资源切片的高效管理和优化。仿真结果表明，本发明在切片隔离性能、决策效率和资源利用率方面均优于现有方法。