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：
第十二篇：强化学习SARSA算法-腾讯云开发者社区-腾讯云 (tencent.com)
强化学习中的Epsilon-Greedy算法 - 知乎 (zhihu.com)
标签：基于,导向,算法,SARSA,最优,定价,资源 From： https://www.cnblogs.com/lmc7/p/17831946.html