近年来,智能设备的日益普及和移动通信技术的快速发展使得新的移动业务不断涌现,从而导致了移动数据量的爆发式增长。为了应对多元化的业务场景以及不断增长的移动数据量,5G移动通信网络引入了云无线接入网（Cloud Radio Access Network,C-RAN）、软件定义网络（Software Defined Network,SDN）、网络功能虚拟化和移动边缘计算等技术。新技术的引入和大幅增加的数据流量使得5G产生高额的能源消耗,合理的资源分配能提高能源的利用效率,从而减少能源浪费。因此,高能效资源分配仍是5G需要考虑的重要问题。本文对5G接入网中C-RAN的高能效资源分配算法展开了研究。主要的研究工作如下:1)针对5G接入网C-RAN中基于队列稳定性的高能效资源分配问题,本文在CRAN中考虑时延的基础上提出了一种基于休眠策略、功率分配和基站速率分配的能耗优化算法。首先,为了使功耗模型符合C-RAN的结构特点,在传统基站功耗模型的基础上给出了C-RAN的基站功耗模型。其次,为了节约系统能耗,引入休眠策略对基站实行动态关断。为了分析基站在引入休眠策略后的状态变化,将相应的基站状态建模为离散时间的队列网络,并基于队列网络的全局平衡方程推导出基站处于激活模式的概率。然后,在队列网络稳定性、服务质量和前传链路容量的约束下引入功率分配和基站速率分配进一步降低系统能耗,并利用李雅普诺夫优化方法对问题中的队列稳定性约束进行转化。随后,基于问题模型的特点将其转化为凸优化问题并采用障碍函数法求解转化后的问题。仿真结果表明,所提算法能平衡系统能耗与时延,在控制时延的基础上达到节能的目的,从而满足队列网络的稳定性。2)针对5G接入网C-RAN中基于用户体验质量的高能效资源分配问题,本文在C-RAN中针对视频传输提出了一种基于计算资源、缓存资源和功率资源联合分配的能耗和用户体验质量联合优化算法。首先,采用离散时间马尔科夫链对无线信道进行建模。然后,在此基础上联合考虑视频缓冲队列、自适应串流、边缘缓存、视频转码和下载并基于系统模型的特性将优化问题建模为相互关联的马尔科夫决策过程（Markov Decision Process,MDP）和约束马尔科夫决策过程（Constrained Markov Decision Process,CMDP）,其中涉及边缘云计算资源和缓存资源的分配以及基站的功率分配。最后,运用李雅普诺夫优化方法将CMDP转化为MDP,并利用深度强化学习算法对相应的MDP进行求解。仿真显示,所提算法能在满足相应约束条件的同时达到能耗和用户体验质量联合优化的目的。3)针对5G接入网C-RAN中基于分布式架构的高能效资源分配问题,本文在分布式C-RAN中提出了一种基于计算资源和SDN控制器交易数联合分配的能效优化算法。首先,由于5G终端设备间信息共享的需求以及分布式C-RAN架构下SDN控制器间的协作需求,实现网络实体间信息的一致性是该场景下的一个重要问题。为了满足设计需求,在分布式C-RAN中引入区块链技术来同步各SDN控制器的本地信息从而实现全局信息的一致性。其次,区块链共识过程的密码学操作以及普通任务的非密码学操作均需消耗边缘云中的计算资源。为了优化系统能效,在考虑SDN控制器的信任特征和非密码学操作资源需求量的前提下自适应地对计算资源分配和SDN控制器交易数做出决策。随后,为了适配区块链的分布式运作方式,将优化问题建模为部分可观测马尔科夫决策过程并使用一种新的组合式深度强化学习算法对问题模型进行求解。仿真对比了三种区块链共识协议下的系统性能并印证了所提算法对相应共识协议的有效性。