多智能体强化学习领域的研究正在快速扩张,在多个领域中如机器人团队,资源管理,分布式控制,游戏,电子商务等均取得了瞩目成就,多智能体强化学习问题的研究往往涉及密集计算与智能体之间的相互关系,而经典强化学习算法领域内探索与利用的权衡问题,在多智能体领域中仍是一项挑战。本文通过对Stein梯度下降法（SVGD）理论技术的引入,为该项挑战提供有效的解决途径,并以车联网下的智能车辆调度为应用背景。本文结合提出的多智能体调度框架,验证SVGD结合多智能体算法的有效性,发现它可以更好地权衡策略的探索与利用。在车联网时代下,以人工智能为基础的智能车辆提供各种服务方便人们的日常生活,这涉及到许多计算密集型的应用服务。而边缘计算技术可以将智能车辆的复杂任务卸载到车辆附近合适的卸载任务节点,这需要了解车辆资源需求、车辆移动、移动核心网络状况,非及时的卸载将不能满足实时服务的需求,影响智能车辆的用户体验质量,同时还需保证节点提供方尽可能获取服务收益。为了实现这个目标,本文将其划分为全局节点调度和自主探索联合优化子问题,对于全局节点调度问题,我们应用改进的Kuhn-Munkres（KM）算法,来充分调度不同时刻下空闲的边缘计算节点;在自主探索问题上,我们以深度确定性策略梯度算法的网络架构为基础,结合智能体间的通讯模块,提出了一个新型的多智能体调度框架,引导智能车辆提前赶往附近潜在的空闲计算节点区域。在多智能体调度框架中的工作侧重于智能体间的交流,本文引入SVGD作为策略网络部分改进后的更新方法,利用SVGD的快速拟合最优概率分布的特点,将智能体策略网络的参数群与算法中的粒子群概念相关联,初始策略网络通过对给定后验分布的不断近似,从而拟合出多样化的策略集合供不同智能体使用。本文实验中所使用的数据集源自构建的仿真网格环境,该环境基于智能车辆的计算任务与对应路测单元（Road Side Unit,RSU）分配调度的应用背景,每一个数据样本均记录了 RSU与车辆的位置、时序信息,经实验验证,SVGD与调度框架的联合在仿真环境的任务目标中,可以同时考虑到用户满意度和总体收益的权衡,达到更好的性能。