宏蜂窝网络与small cell网络组成了异构无线网络。资源管理技术是目前解决异构无线网络面临问题的主要技术。然而由于small cell具有覆盖范围小以及数目众多等特性,因此常用的资源分配方法存在复杂度过高的问题。为了降低资源分配算法的复杂度,本文研究异构无线网络中低复杂度的资源管理方法,主要针对以下两个方面。针对能量效率优化问题:本文提出一种低复杂度的基于Stacelberg博弈的高能量效率的功率控制方法。该方法采用Stackelberg博弈框架,引入动态的干扰定价机制,抑制small cell用户对宏基站的干扰。采用指数级低通滤波器的思想,得到博弈中最优功率反应和干扰定价因子的闭式解,可以大大降低基于能量效率的资源分配算法的复杂度。理论分析和仿真结果表明,与基于非合作博弈的功率控制算法(the Non-cooperative Power Control Algorithm,NPCA)相比,所提算法在付出较低的能量效率性能损失的代价下,极大地降低了算法复杂度。针对频谱效率优化问题:本文提出了一种低复杂度的基于分簇的资源分配算法。为提供统计时延QoS保障,采用有效容量(Effective Capacity,EC)作为网络的性能度量指标,从而代替传统的香农容量。为降低算法复杂度,本文将网络资源分配问题分解为三个子问题,即分簇子问题,簇内子信道分配的子问题和簇间功率控制的子问题。首先,本文提出了一种低复杂度的基于部分可观测的马尔科夫理论的半动态分簇方法(Semi-dynamic Clustering,SDC)。在此方法中,我们考虑了信道状态信息(Channel State Information,CSI)经由回程反馈而造成延迟的问题。我们把此考虑CSI时延的系统建模成一个网络-部分观察马尔可夫决策过程(Networked-Partial Observation Markov Decision Process,Networked-POMDP),并提出一种能够缩小寻找最佳分簇策略范围的算法。其次,将簇间的功率控制问题建模成势博弈,并设计了一组可以达到纳什均衡解的迭代算法,可以获得small cell用户的发射功率。仿真结果和复杂度分析表明,所提资源分配算法不仅能够大大降低计算复杂度,而且性能也接近穷尽搜索法和其他现有的方法。