移动边缘计算(MEC)是未来蜂窝网络中延迟敏感和计算密集型应用的关键技术。本项目考虑了一个多用户、多服务器系统,其中蜂窝基站由无人机(UAV)协助,二者共同向地面用户提供额外的MEC服务。通过双连接(DC),每个用户可以同时将任务卸载到宏基站和无人机上的MEC服务器进行并行计算,同时也可以在本地处理一些任务。我们的目标是提出一个在线资源管理框架,以最小化整个系统的平均功耗,同时考虑队列稳定性和队列系统计算延迟的长期约束。由于存在两个服务器,这个问题具有高度复杂性,并被表述为一个多阶段混合整数非线性规划(MINLP)问题。为了减少计算复杂度,我们首先采用Lyapunov优化将原始的多阶段问题转化为在每个时间槽内可管理的确定性问题。之后,利用综合学习-优化方法解决转化后的问题,其中无模型的深度强化学习(DRL)与基于模型的优化相结合。通过大量的仿真和理论分析,我们证明了所提出的框架保证了收敛,并且可以产生与通过穷举搜索获得的最优解几乎相同的性能。