本研究提出了一种混合去中心化框架，旨在解决云边缘资源管理的复杂性和动态性。通过图神经网络和多智能体强化学习，实现高效的资源决策和动态应用部署，从而提升管理的可扩展性和准确性。

本文提出了一种完全去中心化的框架，用于在节点网络中训练机器学习模型。通过引入信念的贝叶斯式方法，节点可以通过聚合邻居的信息来更新信念，从而在整个网络上学习最适合观察的模型。实验证明，该算法提供了显着的精度改进。