基于强化学习的可重构智能表面辅助车载边缘计算方法及系统

本发明公开了一种基于强化学习的可重构智能表面辅助车载边缘计算方法及系统，涉及车联网边缘计算技术领域，包括：计算车端在t时刻的任务到达量、通过卸载所处理的任务量以及本地所能执行的任务量；计算车端在t+1时刻缓冲区中的任务队列长度；确定车端的多目标优化参数，构建多代理深度强化学习模型；对所述多代理深度强化学习模型进行迭代训练直至模型收敛，并在每次训练过程中调用块坐标下降算法优化RIS的最优相移；基于所述多代理深度强化学习模型确定车端进行卸载任务和本地执行任务的功率分配。本发明通过采用改进的多智能体深度确定性策略梯度算法，优化车辆用户的功率分配，能够更好地应对多用户之间的资源竞争，提高了系统整体性能。