随着虚拟现实、物联网和智能制造等新技术的日趋成熟,广泛使用的云计算无法满足海量连接下的数据传输和处理。为了得到即时的反馈,边缘计算通过把计算节点迁移至移动接入网的边缘来降低传输时延。受硬件限制,边缘节点可能达到满载从而影响计算响应的时延,降低服务质量,策略路由可以实现边缘计算下的任务调度,为了减小任务调度带来的额外时延等影响,强化学习能够使策略路由具有资源感知和负载均衡的能力。本文对边缘计算下基于强化学习的策略路由进行研究,针对边缘计算下因计算节点满载而导致服务质量降低的问题,通过任务分片和学习分段的方法对Q学习策略路由进行优化,最后设计边缘计算下基于该优化策略路由调度的原型系统。本文的主要内容分为如下几点:1.从策略路由的优化角度出发,本文提出了基于马尔科夫决策过程的Q学习任务路由算法。首先建立面向ECN的网络模型和计算模型,并定义以优化传输时延、堵塞概率、资源能耗为目标的问题描述。其次,把网络资源和路由策略分别代入马尔科夫决策过程。最后通过迭代的Q学习策略路由算法降低传输时延。2.针对基于任务的策略路由存在时隙偏差问题,本文提出了基于多任务分片的区间Q学习策略路由（EQMTR）算法。首先,为每个路由节点设定任务队列,并对任务流量进行基于分片的出队和入队算法。其次,针对长时延传输下的策略过期问题,通过对学习表进行基于时间段的区间分段,对不同时间段内的路由策略进行收敛。最后,考虑到边缘计算场景下的海量服务,把单任务调度扩展为多任务调度的方法,提出了 EQMTR算法。最后,仿真实验表明EQMTR算法具有优异的性能表现。3.本文设计了边缘计算下基于EQMTR调度的原型系统（ECN-ESPS）。该系统划分为资源感知模块、节点选择模块、路由调度模块和结果分析模块。ECN-ESPS拥有对边缘计算网络的自适应感知,当侦测到满载节点时,对该区域后续接收到的计算任务进行基于EQMTR的调度,同时为每一项调度任务智能地选择调度节点,最后对调度过程中产生的网络环境数据进行分析评估。综上所述,本文通过优化基于强化学习的策略路由算法,提升ECN中任务调度的效率,通过设计基于EQMTR算法的原型系统,有效解决边缘计算下因计算节点满载而导致QOS降低的问题,对边缘计算下的任务调度研究具有重要意义。