伴随着边缘智能、工业物联网、智能机器人等产业的蓬勃发展,用户对差异化、个性化和智能化的通信需求与日俱增。加之,网络资源短缺等,这些因素将显著加大未来一代通信网络的网络负载与网络资源在时间和空间上的波动性,使得网络资源分配不均的问题进一步加剧。因此,针对个性化、弹性化以及智能化地优化网络资源的研究工作备受研究者们的青睐。基于强化学习的边缘计算网络资源优化研究旨在提高网络资源的优化效能,尤其在任务卸载与计算、信息量化与智能决策以及资源共享与配置方面迁移并改进人工智能领域的学习算法,促进资源配置在供应端的效用最大化,在需求端的体验最佳化以及在维护端的运营智能化,主要从边缘计算网络资源优化的上述三方面开展研究,具体包括:（1）在任务卸载与计算方面,分别研究基于Q-学习弹性资源供给的分布式业务处理的问题和基于深度Actor-critic网络的在线学习卸载计算的问题。对于前者的研究,首先提出一种用于弹性资源供给的分布式业务处理架构（SDVTS）。SDVTS分别从面向用户资源和基站资源的角度设计适应用户动态需求的算法。借助于软件定义的网络,SDVTS在交互式迭代中完成基于请求服务和基于推送服务的任务。其次,构建用于计算业务处理延迟的时间模型,并分解该非凸的时间模型,探索对偶进化算法,找出近似最优解。此外,引入一种具有个性化Qo E分析的低复杂度强化学习算法,并设计出用户与蜂窝基站间的分布式联盟算法,实现改进的增强学习系统组件与嵌入在SDVTS架构中引擎的无缝衔接。仿真结果表明,与对比的其他方法相比,所提出的算法在用户的体验质量和蜂窝系统的性能方面占主要优势;对于后者的研究,设计出一种在线定制化学习无模型问题的统一求解方法。其将复杂的优化问题分解为子模型,采用基于能量效率的Actorcritic强化学习算法,从理论上分析了算法的收敛上界,并得出渐近最优解。仿真结果表明,在任务处理延迟、能量效率和收敛时间方面,所提出的方法比基准方法有显著优势。（2）在信息量化与智能决策方面,研究基于轻量型上下文在线学习信息寿命的量化问题。首先在边缘服务器端将覆盖多个关键因素的信息寿命（Ao I）量化问题构建为非线性优化问题。其次,精心设计出具有上界和下界的超立方体,并利用二分搜索快速限定上、下界的范围。此外,开发出一种轻量型上下文学习多臂老虎机算法,解决在线Ao I量化的优化问题。仿真结果表明,所提出的方法在Ao I度量的精确度、Qo E和收敛时间方面比所对比的方法有显著优势。（3）在资源共享与配置方面,研究基于学习式激励与联盟博弈的资源共享问题。引入了合作和竞争关系,协调处理蜂窝系统的总体目标与物联网（Io T）设备的个体目标之间的分布式智能算法,并分别设计出基站用户和Io T用户的效用函数。针对前者,基于连续行为空间的优先队列,设计出一种改进的Actorcritic深度学习算法,构建激励机制;针对后者,构建Io T用户的能量模型,探索联盟博弈与深度Q-学习框架相结合的新模式,构建合作与竞争过程中激励机制。理论论证和仿真结果表明,改进的强化学习算法比原始的算法表现出更优的性能,可收敛到纳什稳定的最优解或渐近最优解。综上所述,本文基于强化学习中的Q学习、Actor-critic强化学习以及多臂老虎机学习等算法进行改进并迁移融入到边缘计算网络的资源优化问题中,实现了资源的智能化配置和用户的个性化体验质量。这对泛在的工业物联网、5G通信以及移动边缘计算等网络的应用,有着广泛而深远的市场价值。