La tarea de descarga en redes satelitales, que implica distribuir tareas computacionales entre nodos satelitales heterogéneos, es crucial para optimizar la utilización de recursos y minimizar la latencia del sistema. Sin embargo, enfoques existentes como estrategias de descarga estática y métodos de descarga basados en heurísticas descuidan las topologías dinámicas y condiciones inciertas que obstaculizan la adaptabilidad a cambios repentinos. Además, las estrategias actuales de cómputo colaborativo abordan de manera insuficiente la heterogeneidad de plataformas satelitales y a menudo pasan por alto las fluctuaciones de recursos, lo que resulta en un intercambio de recursos ineficiente y una programación de tareas inflexible. Para abordar estos problemas, proponemos un método de descarga de tareas basado en descenso de gradiente dinámico. Este método propone un marco de optimización colaborativa basado en programación dinámica. Al construir modelos de optimización de retraso y eficiencia de recursos e integrar la programación dinámica con técnicas de iteración de valor, el marco logra actualizaciones en tiempo real de los estados del sistema y variables de decisión. Luego, se emplea un algoritmo de descenso de gradiente distribuido combinado con técnicas de Cirugía de Gradiente para optimizar decisiones de descarga de tareas y esquemas de asignación de recursos, asegurando un equilibrio preciso entre la minimización de retrasos y la maximización de la utilización de recursos en entornos de red dinámicos. Los resultados experimentales demuestran que el método propuesto mejora el resultado de optimización global en al menos un 1.97%, mejora las tasas de utilización de recursos en al menos un 3.91%, y también reduce el tiempo de solución en al menos un 191.91% en redes a gran escala.