随着近年来通信技术的飞速发展,移动数据流量呈现指数型爆炸式增长趋势。为了满足用户对于数据速率的需求,运营商需要布置更多以及更小的基站,因此超密集网络架构逐渐成为广泛认同的一种网络架构发展趋势。超密集网络架构在室内外热点区域密集部署低功率小基站,通过加密小区部署提升空间复用度,是解决未来5G网络数据流量爆炸式增长的有效方案。然而,在这种网络架构下,密集部署的基站带来了大量的能耗开销,影响了网络能效。本文从静态和动态移动两个网络部署场景入手,分别提出了相应的用户附着和小区开关策略,可以提高网络能效。本文的主要研究内容如下:针对静态网络部署场景,本文提出了基于控制平面与用户平面分离下的能效优化方案。在超密集网络部署场景下,用户业务的分布存在时间和空间的差异,很大一部分基站处于较低负载水平,造成大量能耗,影响了网络能效。本文以网络能效为目标,构建多目标背包模型,并通过贪心算法关闭非必要的基站使其进入休眠模式,从而降低能耗,提高网络能效。同时,为了确保关闭基站的过程中能够保证基站的覆盖范围,本文采用泰森多边形理论调整基站发射功率。仿真结果表明,该策略能够有效关闭非必要基站,提高网络能效。针对动态移动的网络部署场景,本文提出了基于连续时间内移动用户与基站间的能效优化策略。之前的大部分工作所提出的基站能效化方案是建立在静态瞬时信息,然而对于移动性场景,该类方案会导致频繁的基站开关。考虑到阻塞概率、设备寿命以及基站开关过程中带来的能耗,静态方案难以应用于动态部署场景。为了在长时间范围内能够规避基站针对短期瞬时结果带来的反复开关情况,本文基于一段连续时间内的移动性,提出了新的能效优化策略。首先针对能效优化问题建立基站动态开关的马尔科夫模型,然后对于每一个马尔科夫状态点,将用户附着的决策因子进行归一化,基于模糊矩阵计算得出权重,并建立效用函数,求出最优解。最后,根据计算得出的马尔科夫状态点,将问题转化为最短路径问题并求解。仿真结果表明,在考虑实际限制因素情况下,该算法针对动态移动网络部署场景,可以更加有效的优化网络能效。