在移动边缘计算（Mobile Edge Computing，MEC）中，如何联合优化服务缓存与计算卸载以满足用户多样化需求是一个挑战性问题。同时，不合理的资源分配导致了低效的资源利用。针对这些重要挑战，引入了新兴的数字孪生（Digital Twin，DT）技术以实现物理网络到虚拟世界的映射，进而提出了一种新颖的基于凸优化使能深度强化学习的服务缓存与计算卸载联合优化（Joint optimization of service Caching and computation Offloading with Convex-optimization-enabled deep Reinforcement learning，JCO-CR）方法。首先，构建了一种新型的数字孪生云边网络（DT Cloud-Edge Networks，DTCEN）模型。接着，将服务缓存与计算卸载联合优化问题解耦为两个子问题并采用改进的深度强化学习方法和凸优化理论分别求解。大量仿真实验结果表明，与6种基准方法相比，JCO-CR方法能够有效降低长期服务延迟，并在不同场景下均展现出更加优越的性能。
暂无评论