本文研究了移动边缘计算 (MEC) 网络，其中多个无线设备 (WD) 选择将其计算任务卸载到边缘服务器。为了节约能源并保持 WD 的服务质量，联合卸载决策和带宽分配的优化被表述为混合整数规划问题。然而，该问题在计算上受到维数灾难的限制，无法通过通用优化工具以有效和高效的方式解决，尤其是对于大规模 WD。在本文中，我们为 MEC 网络提出了一种基于分布式深度学习的卸载 (DDLO) 算法，其中使用多个并行 DNN 来生成卸载决策。我们采用共享重放内存来存储新生成的卸载决策，这些决策进一步训练和改进