针对传统无人机(Unmanned Aerial Vehicle, UAV)将计算任务卸载至边缘节点的过程中，存在响应延迟高、能量消耗大以及边缘侧计算能力受限的问题，提出一种空天地场景下的移动边缘计算卸载策略算法，即随机优先经验回放的多智能体深度确定性策略梯度(Stochastic Prioritized Experience Replay for Multi-Agent Deep Deterministic Policy Gradient, SPER-MADDPG)算法。构建满足地面用户计算资源与网络需求的空-天-地网络架构，通过采用马尔可夫决策模型并引入自适应决策机制，使任务卸载产生的时延与能耗最小化。仿真结果表明，相较于多智能体双延迟深度确定性策略梯度算法、MADDPG算法及随机卸载算法，所提算法在移动边缘计算卸载任务处理中降低了59.23%的时延和42.1%的能耗，能够解决空天地场景中移动边缘计算卸载成本高的问题。