该论文研究了以太坊内存池（mempool）中交易的动态调度与定价问题。现有EIP-1559算法主要从静态视角分析价格演化，忽略了交易在内存池中的动态到达与等待过程。为此，作者将问题建模为马尔可夫决策过程（MDP），其中状态表示内存池的配置（即等待交易的大小和单位价值分布），动作对应区块价格。首先，作者给出了静态EIP-1559机制的原始-对偶解释，证明区块价格自然作为社会福利最大化问题的对偶变量出现。基于此视角，将框架扩展到动态场景，目标是最优长期折现奖励，并引入持有成本和超调惩罚。然后采用自然策略梯度（NPG）算法计算最优策略。结果表明，动态定价能够稳定内存池并对长期折现奖励实现最大化。特别地，随着超调惩罚增加，平均调度交易量收敛到目标区块容量，并且NPG更新规则与EIP-1559价格更新规则非常相似。最后，论文研究了MDP公式的两个特例：同质交易和均匀到达。在同质交易设置中，协议直接控制调度量，最优策略具有阈值结构。对于均匀到达，提出了bang-bang定价机制，并推导了保证系统稳定性所需区块容量的下界。该工作为以太坊内存池的动态定价提供了理论框架和算法支持，对区块链网络中的交易调度与费用市场设计有重要参考价值。