多接入边缘计算（MEC）是5G及未来网络中一种新兴的、重要的云计算架构,旨在将云服务扩展到网络边缘。终端用户设备可以把应用任务卸载到MEC进行计算,以减少应用服务延迟和能耗,带来较好的服务质量（Qo S）。因此,为了尽可能地降低应用任务的延迟和能耗,对MEC任务卸载策略进行优化是至关重要的。然而,MEC系统环境和终端应用任务的复杂、多变性导致优化MEC任务卸载并非易事。本论文对现有的相关研究调研发现,传统的优化方法通常是基于专家知识的简化数学模型和特定启发式算法。但当面对动态的MEC场景时,需要大量的人力和专业知识来重新设计模型和调整启发式方法,这是很费时耗力的。其次,也有研究用机器学习来做MEC任务卸载策略优化的,但他们仍存在一些问题:一是优化目标较为单一,以任务时延为主;二是与启发式方法类似,无法较好地适应复杂多变的MEC系统环境。考虑到这些方法的局限性,本文提出使用深度强化学习（DRL）方法来处理MEC系统的任务卸载策略优化问题。本论文先对任务进行细粒度的有向无环图（DAG）建模分析,充分地考虑任务的复杂度和内部依赖关系,设计了DAG拓扑优先级算法来丰富DAG任务序列的信息,为DRL学习训练提供较好的信息输入,使系统能够自行学习最佳卸载策略。把MEC计算卸载问题转换为马尔科夫决策过程,并为DAG任务序列设计了编码-解码的递归神经网络来做任务输入到卸载决策的映射,运用DRL方法来训练优化卸载策略。量化任务时延-能耗的综合收益,并以此为优化目标,实验分析证明了基于DRL的方法在MEC系统关键优化问题任务卸载上的有效性。在不同场景下的实验结果表明,本文基于深度强化学习优化MEC细粒度任务卸载策略（DFTOSD）取得的时延-能耗综合收益比现有的启发式算法、一般的强化学习方法以及贪婪算法都要高出0.1-0.3左右。在此基础上,进一步讨论分析了影响MEC任务卸载策略时延-能耗综合收益的关键因素——网络带宽。为此,本论文又整合了深度强化学习来优化MEC系统下接入终端数量引起的网络带宽问题。仿真实验表明,本文提出的DRL网络优化算法（DRL-CW）可以较好地降低接入设备数量增加对网络带宽的负面影响,相对于默认的指数退避算法能提高约36%的性能。最后,本论文在DFTOSD和DRL-CW的基础上,提出基于深度强化学习联合网络优化的MEC任务卸载策略方案（D-DFTOSD）,实验表明,在较多接入终端设备数量的MEC系统环境下,D-DFTOSD相较于DFTOSD能获得约一倍的时延-能耗综合收益提升。