5G通信时代是万物物联的时代。数以亿计的物联网设备接入了互联网中,作为一个功能性节点持续工作。常见的物联网设备包括道路监控、共享单车控制模块、交通流量传感器和人体可穿戴设备等。由于物联网设备通常体积较小,可携带的储能装置容量和计算资源受限于体积的物理条件而常常较匮乏。然而,由于物联网设备的功能需求,常有计算密集型或时延敏感型的计算任务需要处理。移动边缘计算技术作为一种新兴的计算技术,允许物联网用户将自己的计算任务通过无线信道传输到边缘服务器上进行处理,使资源有限的物联网设备也能成功处理资源需求较高的计算任务。此外,智能反射面是由反射元件控制器、设备平台和众多的无源散射元件组成的通信设备,可以显著提升无线通信网络的吞吐性能。每一个元件可以独立反射入射信号,并可附加可控的幅移和（或）相移,因此可以实现无线信道的可控增益。智能反射面具有部署成本较低、功耗较低、部署灵活、可控制性与可扩展性强等优势,是下一代通信网络中的热点研究问题。本文主要针对智能反射面辅助的移动边缘计算通信系统,研究无线通信资源的优化设计以实现用户系统综合利用率的最大化。在系统模型中,假设用户与基站间不存在视距信道,通信质量较差,而经过智能反射面的反射链路能对系统的通信速率有较大的提升。本文联合考虑了用户的能量状态、任务量状态、信道状态,建立了智能反射面的相位系数与用户的卸载资源分配相结合的优化问题。根据所研究的问题的特征,设计了两种优化算法,分别为基于离散动作空间深度强化学习技术的决策优化算法,和基于优化理论与连续动作空间深度强化学习技术相结合的决策优化算法。数值仿真分析验证了两种算法在不同条件下的性能,并与多种基准算法进行比较,证实了算法更优的性能。