计算机应用研究

作者：王菁,杨柯,但文诗,严灵毓,唐星,

单位：1.湖北工业大学a.计算机学院;b.绿色智能算力网络湖北省重点实验室,武汉430068；2.武汉理工大学计算机与人工智能学院,武汉430070；

关键词：深度强化学习,车联网,多智能体,计算卸载,

基金：国家自然科学基金资助项目(62302155,62472149,62272356)；湖北省自然科学基金面上类资助项目(2021CFB606)；湖北省教学研究资助项目(2022296)；湖北工业大学博士科研基金资助项目(BSQD2020062)；；

针对如何在不可预测的任务分布和时变的环境状态中，实施低时延、低能耗的计算卸载问题，设计了一种车联网中基于多智能体的双延迟深度确定性策略梯度计算卸载算法。该方法综合考虑多智能体车辆的位置、连接时间、通信资源及可用计算资源，建立车联网计算卸载模型，并进一步构建以降低平均计算任务执行成本为目标的优化模型。该模型被形式化为多智能体马尔可夫决策过程，并设计多智能体双延迟深度确定性策略梯度算法进行求解，以实现对任务卸载的高效优化。实验结果表明，所提方案在时变网络环境下的鲁棒性更强，将时延与能耗的加权和降低了约18%。对比实验和分析进一步验证了该方法在兼顾时延与能耗的同时能够在复杂动态网络中实现高效计算卸载。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期