一种基于GAT算法的车联网依赖型任务卸载调度方法

本发明适用于车联网通信技术领域，提供了一种基于GAT算法的车联网依赖型任务卸载调度方法。本发明使用有向无环图(DAG)建模依赖型任务，借助图注意力网络(GAT)捕捉图结构信息并作为深度强化学习的状态表示，同时设计无监督学习的GAT编码器进行预训练，结合具有离散动作空间的深度强化学习(DRL)适应复杂环境下的任务调度。具体而言，将GAT与异步近端策略优化(APPO)算法结合，构建依赖型任务卸载与资源分配的优化框架，有效处理任务依赖关系并适应车联网异构环境，以降低任务完成时间、提升系统资源利用率。仿真结果表明，该GAT任务调度算法在复杂环境中的表现优于随机卸载、轮询调度、OMA算法等对比方案。