目前,世界各国都在加紧第五代移动通信网络（5G,The 5th Generation Mobile Networks）的建设与部署。作为一项弥补5G时代Sub-6 Ghz信号带宽、网络速度、频段干扰等不足的技术,毫米波通信技术的应用有效缓解频谱资源短缺的现状,将网络的数据传输速率提高到4G的100倍,甚至达到20 Gbps的水平（ITU IMT-2020规范要求）。然而,数据传输速率的提高必然会增加无线终端设备的能耗负担,高数据传输速率与设备高能耗之间的矛盾一直是影响无线通信网络服务质量（QoS,Quality-of-Service）提升的一大问题。无线携能通信（SWIPT,Simultaneous Wireless Information and Power Transfer）作为一项环境友好型节能传输技术,不仅充分利用有限的射频资源,同时还能够解决能量受限型移动设备能量持续供给的问题,有效缓解设备数据传输速率提高所导致的能耗加剧的情况。本文结合毫米波网络特点,分别考虑毫米波链路波动场景以及非理想信道状态信息（CSI,channel state information）通信场景两种情况对SWIPT系统资源分配问题进行研究,并分别提出两种基于强化学习（RL,Reinforcement Learning）理论的动态资源分配算法,旨在帮助用户在动态环境下获得最优QoS。首先,本文对SWIPT技术进行研究,从资源分配方案、优化目标、网络传输架构等方面的研究进展对SWIPT技术进行整理与总结,研究发现目前关于毫米波通信场景中的SWIPT资源分配问题的研究相对较少,并且多数研究将重点放在了某一固定通信环境的资源分配算法研究,忽略了毫米波传输特性、用户的高移动性和非理想CSI等问题对用户QoS的影响。其次,针对毫米波链路频繁波动导致用户QoS下降的问题,提出基于RL的动态资源分配算法。综合考虑用户信号接收功率波动及用户在小区内移动速度对能量耗尽、通信中断、信息丢失三种非理想情况发生时长的影响,定义非理想QoS函数,接着,将优化问题建模为马尔科夫决策过程（MDP,Markov Decision Process）模型并利用Q-Learning算法求解以达到全局最优。实验结果表明,所提算法使用户具有稳定的数据传输速率的同时保证了电池的能量持续供给能力,有效降低设备出现能量耗尽、通信中断和信息丢失情况的时长,使网络中随机移动的用户即使在遭受严重的链路波动的情况下也能够获得最优的QoS体验。最后,针对毫米波网络中非理想CSI通信情况对用户QoS的影响,综合考虑网络边缘区域信号较弱情况以及信道估计性能、数据传输速率、电池储能水平的约束,建立基于TS结构具有SWIPT-WIT模式切换的系统模型,并提出基于RL的非理想CSI资源分配算法,将分配问题建模为MDP模型,同样采用Q-Learning算对目标函数进行优化求解。实验结果表明,所提算法不仅能够为用户提供充足的能量支持,同时还保证较优的信道估计性能及较高的数据传输速率。