随着通信技术的快速发展,多种无线网络、多种业务并存的异构网络是必然的发展趋势,由于不同无线网络的接入技术、资源管理机制和质量服务保证等方面存在差异,所以各种无线网络必须相互协作来满足用户的需求。在异构网络中,如何通过网络接入选择和资源分配来充分利用网络资源是一个重要的研究问题。大多数接入选择和资源分配问题均为组合优化问题,针对这类Non-deterministic Polynomial(NP)完全问题,本文引入了马尔科夫近似方法进行求解。该方法按照构建的马尔科夫链可以实现分布式算法,随着马尔科夫链收敛,整个网络将会概率性跳转,达到平稳分布时会实现近似最优的系统性能。本文的主要研究内容如下:为了满足用户的QoS需求,实现基站间的负载均衡,本文研究了异构蜂窝网络中的联合接入选择、资源分配和干扰抑制问题。针对这个复杂的联合优化问题,利用马尔科夫近似方法可以实现分布式算法。在算法实现过程中,基于基站间的冲突和复用情况,根据用户接入选择的改变和QoS需求进行动态资源分配。另外,通过在优化目标中设置功率收费实现负载均衡。仿真结果表明,生成的分布式算法既能很好地协调三个子问题来保障用户的QoS需求,又可以有效地实现基站间的负载均衡。为了满足用户对服务体验的要求,本文提出了异构无线网络中基于用户体验的网络接入选择算法。用户进行网络接入选择时需要考虑多种属性影响,且具有不同业务需求的用户对属性的偏好性不同,利用层次分析法可以确定不同业务需求下的属性权重,获得用户接入不同网络的效用值。用户通过网络接入选择来实现系统效用最优,该问题是一个组合优化问题,马尔可夫近似方法可以按照分布式方式获得近似最优的网络接入选择。仿真结果表明,层次分析法与马尔科夫近似方法相结合,可以有效地解决考虑用户体验的网络接入选择问题。为了满足用户对不同业务的需求,本文提出了异构无线网络中多业务资源分配算法,基于实际应用需求,考虑了恒定比特速率和动态比特速率两种典型业务。在带宽资源和功率资源受限的情况下,如何进行网络接入选择和资源分配来满足用户的多业务需求并实现网络性能最优是十分重要的。本文将这个复杂的联合优化问题分为网络接入选择改变导致的网络拓扑更新问题和固定接入选择下的资源分配优化问题,这两个子问题分别利用马尔科夫近似方法和拉格朗日原始对偶方法来解决。仿真结果表明,两种方法相结合既能满足用户的多业务需求又可以实现网络性能最优。