新型异构无线网络正在演变成复杂的系统,无线接入将在高度异构的环境中运行,因此其需要新的智能化方法以突破性能范围。目前国内外针对无线网络接入优化的研究,通常考虑了多接入技术、小区切换、小区选择、用户关联、资源分配等不同场景,以及博弈论、凸优化、强化学习等多种算法。但仍存在以下问题:首先,接入方式不能适应环境变化。缺乏用户间合作的分布式接入算法,影响用户的体验及网络的效率。基于模型的接入算法参数难获取,环境复杂时难建模,而可建模的问题高维非凸难以求解。凸优化算法在每次环境参数改变后,都需要重新求解,不能自适应环境变化。其次,多类业务下网络资源配置不足,无法满足成本效益不同的业务的速率需求、时延需求等,限制了无线网络的灵活性。最后,资源配置与接入的僵化映射,不仅不能满足多类业务灵活共存,也不能保证网络资源的高效利用。本文在异构网络及多类业务共存的场景下,实现了从接入到资源配置的智能化无线接入机制,使其可适配环境变化。首先,本文研究异构网络中用户自适应接入机制。在宏、微基站共存的场景下,设计了结合信息共享的分布式接入策略,解决网络中的非完全信息交互和用户之间的接入竞争问题,提出了自适应的智能接入策略。本文将问题建模成马尔可夫过程,设计合适的回报函数,将回报权重加入动作集合,使用户能自适应地选择所接入的基站。仿真对比了所提出的可适应接入机制与固定回报权重的接入机制、多属性决策(MADM)算法在用户侧用户体验(QoE)及网络侧负载均衡的效果,证明了可适应接入机制的有效性及合理性。其次,本文研究了多类业务下智能化资源配置机制。论文研究了基于IP的语音传输(VoIP)、视频流业务、超文本传输协定(HTTP)三种业务模型,并探究其时延、最小传输速率需求。在多类业务共存的场景下,详细设计了基于强化学习的智能化资源配置机制(RARL),以同时满足来自不同网络服务商的用户的业务速率及时延需求。论文将该问题建模成马尔可夫过程,并设计合适的回报优化函数,使基站能根据当前网络情况和用户接入的反馈,自适应地进行资源配置。仿真对比了 RARL与预测资源配置、比例资源配置等资源配置算法在用户侧QoE及网络侧频谱效率(SE)的性能表现,同时验证了 RARL机制的收敛性和最小时延、最小传输速率需求对算法性能的影响。最后,论文研究异构网络智能化接入优化机制。多类业务下的智能化资源配置机制,无法完全解决基站资源使用不均衡的问题,可能不能满足所有接入用户的时延、速率需求。基站资源没有被完全利用。本文提出了基于贪心算法和推荐算法的智能化接入优化机制,建立无线资源分配和无线接入的灵活映射关系,最大程度地减少网络中存在的不满足时延、速率需求的用户数量,进一步提高用户侧QoE及网络侧SE的性能。仿真验证了智能化接入优化机制的收敛性、优越性,同时探究了不同的贪心算法和推荐算法的优化指标对仿真性能的影响。