本發(fā)明涉及一種基于多分類(lèi)和分布式強(qiáng)化學(xué)習(xí)的卸載決策優(yōu)化方法，包括：步驟1基于智能巡檢集群的邊緣系統(tǒng)模型獲取參數(shù)信息，并采集若干不同時(shí)間段產(chǎn)生的任務(wù)信息和距離信息，步驟2計(jì)算任務(wù)處理時(shí)延和能耗，步驟3構(gòu)建多分類(lèi)和分布式強(qiáng)化學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)和設(shè)置網(wǎng)絡(luò)超參數(shù)，步驟4將步驟獲取的任務(wù)信息和距離信息輸入到神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練包括候選卸載決策動(dòng)作生成階段和資源分配階段。本發(fā)明的方法能夠更大概率更快速度獲得最佳卸載決策的優(yōu)勢(shì)，降低系統(tǒng)卸載所需的時(shí)延和能耗的加權(quán)和，達(dá)到保證智能巡檢集群有效運(yùn)行時(shí)間和保障監(jiān)控功能的目的，實(shí)現(xiàn)最小化系統(tǒng)能耗和加權(quán)和的目的，同時(shí)普適性更好。