一种基于大语言模型与多智能体强化学习的车载边缘系统任务卸载与资源分配方法

本发明公开了一种基于大语言模型与多智能体强化学习的车载边缘系统任务卸载与资源分配方法，属于车联网领域，本发明针对数字孪生车辆边缘网络场景中车辆在连续时隙下生成多类计算任务的情况，提出了任务卸载和资源分配方案。首先对场景建模，对通信模型、队列模型以及计算模型进行建模，设置状态、动作空间及奖励函数，最后先通过多智能体强化学习来获取初步的案例集合，然后利用基于大语言模型的上下文学习方法来求得最佳方案，以最大化系统服务质量并尽可能最小化能耗，仿真结果表明，我们提出的方案与其他算法相比能取得更高的资源效能，从而取得较高的长期收益。