Las decisiones de descarga y los problemas de asignación de recursos en la informática periférica móvil (MEC) surgen como desafíos clave, ya que impactan directamente en el rendimiento del sistema y la experiencia del usuario en entornos dinámicos y con recursos limitados de Internet de las cosas (IoT). Este documento construye un modelo completo y en capas de gemelo digital (DT) para MEC, que permite la cooperación en tiempo real con el mundo físico y la toma de decisiones inteligentes. Dentro de este modelo, se propone un algoritmo novedoso de Gradiente de Política Determinista Profunda Multiagente Mejorado con Atención Flash (FA-MADDPG) para abordar eficazmente los problemas de MEC. Mejora el modelo al dotar a una red crítica con atención para proporcionar una decisión de alta calidad. También cambia una operación de matriz de una manera matemática para acelerar el proceso de entrenamiento. Se realizan experimentos en nuestro entorno DT propuesto, y los resultados demuestran que FA-MADDPG tiene una buena convergencia. En comparación con otros algoritmos, logra un excelente rendimiento en cuanto a retraso y consumo de energía en diferentes configuraciones, con una alta eficiencia temporal.