车辆边缘计算是解决车辆网络生态系统中计算资源需求过大的问题的解决方案。本文提出了一种基于MAD2RL算法的资源分配方法，通过创新性地使用扩散模型来确定最优的DNN划分和任务卸载决策，提高学习效率。通过模拟真实世界车辆移动轨迹，证明了该算法相对于现有的基准解决方案具有更优越的性能。

本文提出了基于MAD2RL算法的动态长期优化问题模型，通过扩散模型确定最优的DNN划分和任务卸载决策，并使用凸优化技术分配计算资源，解决车辆边缘计算中的计算资源需求超过能力的问题。通过模拟车辆移动轨迹，证明了该算法性能优越。