一种车载边缘计算环境下基于深度强化学习的协作并行任务卸载方法和系统

本发明公开了一种车载边缘计算环境下基于深度强化学习的协作并行任务卸载方法和系统，属于强化学习、智慧交通等交叉技术领域。构建一个包含车辆与路边单元(RSU)的车联网环境，通过移动检测模型实时追踪车辆位置并确定其在RSU覆盖范围内的停留时间，同时依据任务属性定义优先级从而生成有序的任务序列。随后，综合停留时间和任务信息选择单RSU或多RSU计算模型，并以最小化任务卸载的总延迟和总能量消耗为优化目标，将RSU间的协作并行任务卸载问题建模为一个优化问题。最终，结合任务序列与该优化问题建立马尔科夫决策过程模型并求解最优的协作任务卸载策略予以实施。本发明有效提高了任务卸载的性能和效率。