随着第五代移动通信（5th Generation Mobile Communication,5G）网络的普及,无线设备的接入需求和移动数据的流量需求均呈现指数级增长,同时也导致无线移动网络的能耗需求急剧增加,这对碳中和的倡议及第六代移动通信（6th Generation Mobile Communication,6G）的发展带来严峻挑战。一方面,无线信息和功率同传（Simultaneous Wireless Information and Power Transfer,SWIPT）技术在能源消耗和频谱效率（Spectrum Efficiency,SE）方面实现显著的收益;另一方面,非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技术能够让多个用户设备利用相同的时间、频率等资源同时接入网络,以提高频谱效率和降低时延。本文探讨SWIPT-NOMA移动通信网络中的无线资源分配方案,利用深度强化学习（Deep Reinforcement Learning,DRL）来处理这类非凸的实时动态决策优化问题。主要研究工作和创新如下:针对SWIPT-NOMA网络中基于DRL的集中式单智能体资源控制方式,建立了半双工解码转发中继的下行SWIPT-NOMA通信模型,将中继节点看作一个智能体,该智能体先通过能量收集（Energy Harvesting,EH）技术收集射频信号中的能量,再利用收集的能量为基站转发信息。智能体集中式的控制资源,本文提出了基于深度Q学习（Deep Q learning,DQN）的用户接入与动态功率分配（User Selection and Dynamic Power Allocation,USDPA）算法。针对SWIPT-NOMA网络中基于DRL的分布式多智能体资源控制方式,在NOMA通信系统中的上行链路中考虑多智能体分布式执行-集中式控制的资源管理方式,本文提出了基于行动者-评论者（Actor-Critic,AC）联合功率控制、信道选择和用户接入的在线训练的分布式多智能体行动者-评论者（Distributed Multi-Agent Actor-Critic,DMAAC）算法。该算法采用分布式执行-集中式训练方案,将每个用户都看作一个独立决策的智能体,同时管理功率控制、信道选择和用户接入,这样可以降低交互的频率和网络的复杂性。