本发明属于边缘计算技术领域，具体是涉及一种基于深度强化学习的MEC已卸载任务计算资源分配方法。通过构建深度神经网络，将资源分配状态窗口与已卸载任务集合队列作为网络的输入，通过神经网络的前向传播输出每个动作a对应的Q值，根据资源分配策略π选择动作a从而与环境产生交互使当前状态s转换为下一状态s’，并获得奖励函数r，在训练阶段，神经网络会依据网络最大动作价值函数和当前动作价值—函数计算损失函数，通过最小化损失函数对网络参数权重进行更新，使得网络输出动作价值最大化，最终使得DQN算法曲线收敛，进而确定最优的计算资源分配方案π^*。本发明旨在确保更多的任务请求数据能够在MEC系统中尽快得到处理，从而达到最小的系统总开销。