在以指数级不断增加的数据量的推动下,蜂窝网络向小型化方向发展,最终发展为超密集网络(Ultra-dense Network,UDN),以实现热点地区高网络容量和频谱效率的需求。随着微基站的密集化,系统内的干扰变得更加复杂,如何在大规模网络拓扑中应对频率与功率分配算法中的高计算复杂度和信令开销问题,是超密集网络在实际工程应用中最亟需解决的问题。本文旨在通过对超密集网络中微基站分簇算法的研究来降低频率和功率资源分配问题的规模,以规避大规模问题带来的求解代价使其更加具有工程可实现性。同时设计高效的频率和功率分配策略,以提高系统吞吐量和用户的服务质量,同时优化算法的收敛性能。首先,本文对超密集网络中关于分簇和频率、功率联合分配的国内外研究现状进行了阐述和总结。分析了网络密集化带来的系统架构、系统特性的变化并搭建了基本的系统仿真模型,包括站址模型、信道模型等,并在此基础上分析了微基站密度对覆盖范围和微基站利用率的影响,为后文的研究奠定了基础。然后,为了降低优化问题的规模,本文研究了微基站的分簇算法。将系统内的微基站分为密集型的聚集基站和用来隔离聚集基站簇间干扰的分隔基站,分隔基站率先分配不同于聚集基站的频率资源,在聚集基站簇间形成干扰缓冲地带;接着聚集基站再利用剩余的频率资源,基于最小同频干扰的原则,分别进行聚集基站簇间和簇内的频率资源分配,其中各个聚集站簇内的资源分配过程可并行进行,仿真结果表明,所提的算法在系统吞吐量上接近模拟退火算法,即与最佳性能相差不远。最后,针对频率分配后系统内依然存在较多无法满足服务质量用户的问题,首先分析了频率与功率分配的问题模型以及不同功率分配对系统性能的影响;然后设计了适用于超密集网络基于遗传算法的改进功率分配方法,完成了对系统内同频干扰用户的功率分配策略的选择。从结果中可以看出,所提方法能够以极低的迭代代价,有效地提升系统内满足需求的用户比例,同时算法的收敛性能也优于基于全局信息的模拟退火算法。