随着部队信息化建设不断深入,建设一支打赢信息化条件下的局部战争的部队成为我军的建设目标。相比起机械化条件的战争,信息化条件下,信息成为制胜的关键。随着大量信息化兵器投入战场,传统的以微波通信为骨干网,借鉴蜂窝网络而构建的战术互联网已经逐渐不能满足作战的需求,因此,需要能满足更高要求的战场接入网络。本文考虑基于以云无线接入网为基础的三种接入网架构构建野战综合军事网络。并讨论了以资源块为规划基础的情况下的云无线接入网的资源分配,在战场不具有大量计算任务需求的情况下,采用异构云无线接入网,在战场具有大量计算任务需求的情况下,采用雾无线接入网的资源分配。1、设计了一种基于遗传算法的云无线接入网资源分配策略。该策略首先从BBU池中收集用户信息。而后,BBU池采用改进的自适应遗传算法（IAGA）对收集到的用户进行资源优化分配信息。接着,将获得的最优资源分配决策结果发送给每个集群的远程无线头;最后,它定期监测RRH用户和信道状态信息,并根据网络进行资源分配。该方法相较于传统的频率复用算法进一步结合用户服务需求差异、BBU池虚拟化实现、智能化网络环境感知、前导链路限制等,优化云无线接入网资源配置,提升了网络性能。2、在战场不需要大量计算资源情况下,采用无人机辅助的异构云无线接入网架构。当不考虑计算资源时,雾无线接入网简化为异构云无线接入网。本文在异构云无线接入网的架构中,加上了无人机小型蜂窝,提出了一种优化多个无人机3D位置,用户关联,准入控制和功率分配的方法,以最大化系统吞吐量和用户数量。为了解决此无线电资源管理问题,我们引入了两层优化框架。首先,固定无人机的位置,并基于固定的无人机位置确定此位置下的最佳用户关联矩阵和连接功率,以使该无人机位置下通信速率最大化。而后基于每个无人机位置的最大通信速率,优化无人机位置,不断更新无人机位置以获得不同位置下的最大通信速率。迭代求得系统的次优解。最后从数值上证明了我们提出的遗传算法具有多项式级别的计算复杂性,并且性能优于离散粒子群优化、贪婪启发式算法和传统遗传算法。并从数值上证明了我们提出的粒子群算法性能优于无人机与基站均匀分布和K-means算法。3、在战场需要大量计算资源情况下,采用雾无线接入网架构。结合F-RAN中的资源分配来考虑通信和计算资源分配。考虑了一个多雾接入点、多用户的F-RAN,每个用户产生通信与计算两种不同的任务。为了能满足两种用户的不同Qo S需求,联合优化了接入策略,卸载选择,无线电资源分配,计算资源分配。并将问题表述为混合整数非线性规划问题。为了解决该问题,我们提出了一种基于凸优化的遗传算法,遗传凸优化算法（GCOA）,将MINLP问题拆分为寻优及凸优化两部分问题来在多项式时间内解决。然后在计算任务和通信任务的重要性不同的情况下进行仿真分析,分析F-AP节点,RRH节点,带宽,计算资源和任务重要性对资源分配的不同影响。