El crecimiento exponencial en el número de usuarios ha dado lugar a un aumento abrumador en los datos que la red inteligente debe procesar. Para abordar este desafío, la computación en el borde emerge como una solución vital. Sin embargo, los enfoques actuales de programación de recursos heurísticos a menudo sufren de fragmentación de recursos y, en consecuencia, quedan atrapados en soluciones de óptimo local. Este documento presenta un nuevo método de asignación de recursos de red para redes virtuales multidominio con el soporte de la computación en el borde. El enfoque implica modelar la red de borde como un modelo de red virtual multidominio y formular restricciones de recursos específicas para la red de computación en el borde. En segundo lugar, se construye una red de políticas para el aprendizaje por refuerzo (RL) y se obtiene una estrategia óptima de asignación de recursos bajo la premisa de garantizar los requisitos de recursos. En la sección experimental, nuestro algoritmo se compara con otros tres algoritmos. Los resultados experimentales muestran que el algoritmo tiene un aumento promedio del 5.30%, 8.85%, 15.47% y 22.67% en la proporción de ingresos-costo promedio a largo plazo, la proporción de aceptación de solicitudes de red virtual, los ingresos promedio a largo plazo y la utilización de recursos de CPU, respectivamente.