本研究研究了车联网环境下任务卸载与资源分配的优化问题，利用移动边缘计算技术，将其中一部分任务卸载到边缘服务器，在充分利用系统内的计算资源的同时，最小化任务处理的平均时延与能耗。由于车联网环境的时变性和不确定性，本研究提出了一种基于图神经网络和深度强化学习的任务卸载算法—GADA。GADA算法可以使每一个车辆能够在不需要了解其他车辆所做决策的情况下独立地做出卸载决策。仿真实验表明，与其他四种基准方法相比，GADA算法具有一定的优势。