LTE部署在非授权频段上不仅缓解了授权频谱数据流量压力,还可利用集中调度、干扰协调等技术提高频谱效率,提供更大的覆盖范围和更好的用户体验。但是,非授权LTE面临的核心问题是如何与其他接入技术(如Wi-Fi)高效公平地共存。目前,授权辅助接入(Licensed Assisted Access,LAA)技术和LTE-U(LTE Unlicensed)技术是非授权LTE主要用户接入方案。本文将针对LAA和LTE-U网络的共存机制进行优化研究,旨在提高共存场景下系统的公平性和吞吐量性能。首先,由于LAA的先听后说(Listen Before Talk,LBT)机制基于能量检测门限值进行信道接入,但现有的能量检测门限值是固定的不能动态地适应不同的共存场景,同时导致LAA和Wi-Fi系统非对称隐藏节点问题和不公平的接入概率问题。为了解决上述问题,本文提出了基于Unimodal Bandit的自适应能量检测门限算法。此算法将具有自适应特性的强化学习算法应用于LAA和Wi-Fi共存网络中,使得LAA的能量检测门限值根据当前的网络状态自适应地调整至最优。同时,为了确保LAA和Wi-Fi之间的公平性,提出的优化算法以最小化LAA的部署对Wi-Fi吞吐量的影响为目标进行能量检测门限参数求解。仿真结果表明,本文提出的自适应能量检测门限算法可以在保证Wi-Fi网络吞吐量性能的同时,显著地提高LAA网络吞吐量。然后,现有LTE-U的载波侦听自适应传输(Carrier Sensing and Adaptive Transmission,CSAT)信道共享机制由LTE-U系统控制分配Wi-Fi占用信道时长,一方面不能保证公平性,另一方面无法实时根据Wi-Fi数据流量分配信道时长,导致Wi-Fi系统较小的占空比并且延迟Wi-Fi关联过程。为了解决上述问题,本文提出了基于1/2固定占空比的多智能体的用户关联网络选择算法。首先,此算法把原有CSAT机制设计为固定占空比工作模式,让LTE-U和Wi-Fi网络各占用一半的占空比周期进行数据传输。同时,为了优化固定占空比模式下LTE-U和Wi-Fi的共享效率,建立优化目标为系统整体吞吐量最大化,LTE-U系统和Wi-Fi系统的用户量均衡化。其次,利用强化学习方法,让用户根据占空比周期实时地求解最佳的关联网络选择。另外,考虑到此共存场景中并不存在中心控制节点,提出了利用先前经验的多智能体的学习规则,让算法能更好地收敛。最后,仿真结果验证了提出的基于1/2固定占空比的多智能体的用户关联网络选择算法的有效性。