基于……
研究意义
现行的MEC定价机制为静态定价，费用高的同时难以实现资源的有效利用。提出一种基于Stackelberg博奔的边缘云资源定价机制。通过改进辅助机制，构建定价机制模型，利用强化学习SARSA算法得到的最优策略为MEC实现在资源利用和价格的最优定价方案。
在定价方面，提出了四种价格导向因素
- 资源总需求导向定价
- 竞争环境导向定价
- 对象属性导向定价
- 对象需求导向定价
提出了两种定价方案
- 一致性定价
- 弹性定价
最优资源需求与定价决策
利用入斯坦克伯格（Stackelberg）动态博弈模型，并采用SARSA算法优化纳什均衡求解过程
可参考：
本文作者：清澈的澈
本文链接：https://www.cnblogs.com/lmc7/p/17831946.html
版权声明：本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步