La computación en el borde móvil (MEC) es un nuevo paradigma que ofrece numerosas posibilidades para aplicaciones de Internet de las Cosas (IoT). En casos de uso típicos, los vehículos aéreos no tripulados (UAV) que pueden aplicarse a la monitorización y la logística han recibido una amplia atención. Sin embargo, debido a su propia maniobrabilidad flexible, capacidad computacional limitada y energía de batería, los UAV necesitan descargar tareas intensivas en computación para garantizar la calidad del servicio. En este documento, resolvemos este problema para los sistemas UAV en un entorno de red heterogénea 5G proponiendo un marco distribuido innovador que considera conjuntamente la evaluación de la transmisión y la descarga de tareas. Específicamente, diseñamos un mecanismo de evaluación de descarga basado en lógica difusa en el lado del UAV, que puede evitar de manera adaptativa enlaces inalámbricos riesgosos en función del estado de movimiento de un UAV y métricas de rendimiento de transmisión. Introducimos un marco de aprendizaje por refuerzo profundo (DRL) basado en actores-críticos de múltiples agentes para permitir que los UAV optimicen la utilidad del sistema aprendiendo las mejores políticas del entorno. Esto requiere decisiones sobre modos de computación, así como las elecciones de tecnologías de acceso radio (RAT) y servidores MEC en el caso de la descarga. Los resultados validan la convergencia y aplicabilidad de nuestro esquema. En comparación con los puntos de referencia, el esquema propuesto es superior en muchos aspectos, como la reducción del retraso en la finalización de tareas y el consumo de energía.