本发明提供了一种用于在线移动边缘计算和资源分配策略的强化学习方法，其特征在于，包括以下步骤：建立网络模型，将优化联合策略的求解表示为非凸非线性优化问题的求解；对非凸非线性优化问题进行联合策略解耦；建立用于求解解耦后问题的深度强化学习框架。本发明提供的一种集成奖励和减少动作空间的快速深度强化学习算法可以减少网络结构中的参数数量，提高决策效率。快速深度学习框架降低了动作空间维数并设计了新的奖励值。此外，低复杂度的凸优化方法被用于补充和微调卸载决策，可以极大降低计算复杂度。实验表明本发明提出的快速深度学习框架的性能优于贪婪和其他深度强化学习方法，并且在执行时间方面极大降低。