本发明公开了一种星地网络移动边缘计算资源分配方法，包括获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；基于系统模型，计算服务时延和系统开销；构建星地网络计算任务卸载的优化问题；基于优化问题，构建星地网络计算任务卸载的深度强化学习模型；采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算任务分配策略。本发明有效地减少数据传输和任务计算所需的时间和资源，从而提高任务调度效率，同时降低了计算成本和通信开销。