软件定义网络（SDN）和移动边缘计算（MEC），能够动态管理和满足终端用户的计算需求，已经成为5G网络的关键使能技术。此项目研究了在多MEC服务器和多终端用户环境下，终端用户选择MEC服务器及其数据卸载的联合问题，以及MEC服务器的最优定价问题。SDN技术提供的灵活性和可编程性使得所提框架的实际实现成为可能。
初步阶段，SDN控制器执行基于随机学习自动机理论的强化学习框架，以帮助终端用户选择MEC服务器进行数据卸载。MEC服务器提供的折扣、拥塞情况、服务终端用户计算任务的渗透率及其计算服务的公布定价都被纳入整体MEC选择过程。为了确定终端用户向选定MEC服务器卸载的数据比例，建立了一个每个服务器用户之间的非合作博弈模型，并证明了相应纳什均衡的存在性和唯一性。为了确定MEC服务器的最优定价，提出并求解了最大化MEC服务器利润的优化问题，该问题涉及服务器提供的计算服务和接收的卸载数据。为了实现所提框架，设计并引入了一个迭代且低复杂度的算法。通过对不同场景下的建模和仿真，评估了所提方法的性能，包括同质和异质终端用户的情况。
