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

1.一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，其特征在于：包括：

2.根据权利要求1所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述计算车端在t时刻的任务到达量包括：

3.根据权利要求2所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述计算车端在t时刻通过卸载所处理的任务量包括：

4.根据权利要求3所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述计算车端在t时刻本地所能执行的任务量包括：

5.根据权利要求4所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述计算车端在t+1时刻缓冲区中的任务队列长度包括：

6.根据权利要求5所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述确定车端的多目标优化参数包括：

7.根据权利要求6所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述基于车端在t时刻通过卸载所处理的任务量、本地所能执行的任务量以及缓冲区中的任务队列长度，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包括：

8.根据权利要求7所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述利用双延迟确定性策略梯度取代多智能体强化学习算法中的全局critic，对每个车端的策略梯度进行修正，并更新q函数包括：

9.根据权利要求8所述的基于强化学习的可重构智能表面辅助车载边缘计算方法，其特征在于：所述在每次训练过程中调用块坐标下降算法优化ris的最优相移包括：

10.一种基于权利要求1~9任一项所述的基于强化学习的可重构智能表面辅助车载边缘计算系统，其特征在于：包括：