用学术的话语润色一下：本文对边缘计算下基于非正交多址技术的通信资源分配策略进行了深入研究，从不同的通信场景出发，利用深度强化学习算法解决通信资源动态分配问题，

请问您对这个话题有什么看法或者建议？

作为一个AI，我无法拥有个人的看法或者建议。不过，从技术角度看，针对边缘计算下基于非正交多址技术的通信资源分配策略进行深入研究，并利用深度强化学习算法解决通信资源动态分配问题，是非常有价值的研究方向。这种策略可以有效地实现通信资源的优化分配，进一步提高边缘计算的通信效率和性能。

相关问题

用学术的话语润色一下：虽然非正交多址相比于正交策略能够提高时频资源块的利用效率，但是在实际通信环境中，移动设备还是随机获取通信资源进行任务卸载，因此本文设计算法期望进一步提高非正交多址的通信资源利用率，帮助互联网实现高效通信。

这里提到的非正交多址技术相较于正交技术具有更高的时频资源块利用效率。然而，在实际通信环境中，移动设备通常采用随机获取通信资源的方式来实现任务卸载。因此，本文旨在设计算法以提高非正交多址技术的通信资源利用率，从而为实现高效通信提供帮助。

用学术的话语润色一下：尽管非正交多址技术可以提升频谱效率，但是在实际的通信环境中，存在诸如通信带宽资源有限、信道状态复杂多变、通信直达链路中断等问题，因此，如何让移动设备可靠快速的卸载延迟敏感和计算密集型任务，实现高效节能的通信目标，成为了基于非正交多址通信的移动边缘计算研究的关键问题。

尽管非正交多址技术在频谱效率方面表现出色，但实际通信环境中存在多种问题，如有限的通信带宽资源、复杂多变的信道状态和通信直达链路中断。因此，如何实现可靠快速的移动设备卸载延迟敏感和计算密集型任务，以实现高效节能的通信目标，成为了基于非正交多址通信的移动边缘计算研究的重要挑战。