随着移动设备的普及,用户对通信的要求也在不断提高。可见光通信（VLC）以其高传输速率、低干扰、频谱资源丰富等优势从诸多通信技术中脱颖而出,成为极具潜力的通信后补之一。可是单一的VLC又存在覆盖范围有限、上行链路传输困难等问题,对此研究者提出将VLC与射频通信技术结合,异构VLC/射频（RF）网络。异构VLC/RF网络系统吞吐量受到信道带宽、功率和用户接入等资源分配问题的限制。联合资源分配优化问题是一个非凸问题,传统的优化算法难以获得最优解。所以,本文以异构VLC/RF网络系统吞吐量最大化为目标,对联合资源分配问题进行了研究。首先,介绍了室内异构VLC/RF网络的系统模型,分别写出了VLC和RF通信的信道增益。介绍了强化学习、深度强化学习的算法基础,分析了双深度Q网络（DDQN）算法的优点。其次,针对异构VLC/RF网络的用户接入和子信道分配问题,提出了一种基于DDQN算法的联合分配方式。该方法以用户为智能体,将用户接入和子信道分配联合作为智能体的可选动作,以所有用户是否满足最小通信需求作为状态,用户获得的传输速率和最小通信需求的差值作为奖励。仿真结果表明,所提方案可以很好地完成联合用户接入和子信道分配的任务,并有效的提高异构VLC/RF网络的吞吐量。最后,以异构VLC/RF网络联合用户接入和子信道分配为基础,进一步对异构网络用户接入、信道带宽和功率的联合分配问题进行了研究。该方案中,将用户接入、带宽分配和功率分配联合作为智能体的动作,同样以所有用户是否满足最小通信需求作为状态,用户获得的传输速率和最小通信需求的差值作为奖励。基于DDQN算法的用户接入、信道带宽和功率联合分配方案,可以实现更加灵活的资源分配。仿真结果表明,所提方案可以完成联合用户接入、功率和带宽分配任务,并极大的提高异构VLC/RF网络的吞吐量。