边缘计算因靠近用户而成为传统云计算的低时延备选方案,缓解了云中心的计算及通信压力。同时,地理分散的特性使得边缘服务器能够从环境中就地获取绿色能源,因此它也是一个很有前途的绿色计算范式。从环保的角度讲,总是希望尽可能多地使用绿色能源,但绿色能量的生成通常是动态且有限的。当存储的绿色能量不能满足计算需求时,就需要从电网中提取一定的棕色能量（传统能源）,而电网通常以阶梯电价的方式提供电力。从边缘计算运营商的角度来看,在满足时空变化的计算需求的同时,合理地管理计算资源和能量资源对降低长期运营成本具有重要意义。对于边缘计算的长期服务管理和能量调度问题,将其转换成马尔可夫决策过程（Markov Decision Process,MDP）,并提出了基于贪心思想的最小化单时隙能量开销的模型以及相应的离线优化方法。对于服务请求和资源动态性可预测的场景,该方法可以通过离线优化取得最优或近似最优解。但在高度复杂的边缘计算场景中,环境的动态通常是不可预测的,基于模型的离线优化方法不再适用。受到深度强化学习（Deep Reinforcement Learning,DRL）在各领域成功应用的启发,设计了一种基于DQN（Deep Q Network）的改进算法p DQN（prioritized DQN）。将能量调度动作离散化使其适用于DQN,并提出了利用经验的回合奖励和时序差分（Temporal Difference Error,TD-error）作为优先级的采样方法,加快算法的训练收敛速度。该在线算法通过不断地探索环境中动态信息（电池剩余能量、绿色能量生成速率、电价、服务请求分布、服务位置等）,学习这些因素的变化规律,自适应地进行服务管理和能量调度决策,以追求长期低运营成本的目标。通过大量基于真实世界数据集的模拟实验验证了提出的基于贪心思想的离线优化方法在短期动态可预测场景中的适用性,以及基于p DQN的在线调度算法的高效性,其收敛速度相比于DQN提升了50%,收敛后总能量开销降低了19%。