一种车辆边缘智能系统中基于深度强化学习的推理任务调度与资源分配方法

本发明公开了一种车辆边缘智能协作网络中推理任务调度和资源管理方法，包括构建车辆‑RSU‑边缘协作网络下推理任务系统模型与深度强化学习决策模型；构建任务处理时延模型、能耗模型以及推理误差率模型，进而建立综合优化总成本的长期系统性能优化问题；基于问题分解技术、将多层异构网络中任务处理决策的复杂优化问题转化为可分解的子问题；构建马尔可夫决策过程，将原始优化问题转化为深度强化学习优化问题；基于改进的SD3深度强化学习算法，训练并应用任务推理位置决策与资源分配策略。本发明实现任务推理决策、传输功率分配、计算资源分配和传输速率分配的动态优化，有效权衡任务处理延迟、能耗和推理精度，提高车辆边缘智能系统的效率。