近年来,无线数据业务量呈现爆炸式增长的趋势,大规模MIMO技术以其超高的频谱效率(SE)和能量效率(EE)成为第五代移动通信(5G)中最具发展潜力的技术之一。在大规模MIMO系统中,考虑电路功耗和大尺度衰落,系统能量效率与频谱效率之间存在矛盾。本文主要研究在实际系统中如何选择发射功率和发射天线数目,使得系统能量效率和频谱效率实现帕累托(Pareto)最优,从而满足5G对频谱效率和能量效率的双重要求。已有研究将该多目标优化问题转化为单目标优化问题,并提出了基于线性加权的WS-PSO算法和基于垂直法线相交的NBI-PSO算法两种求解方法。本文利用群智能优化算法直接求解该EE-SE联合优化问题,并分析算法性能。本课题的研究内容主要包括以下几个方面:1)在单小区多用户大规模MIMO下行系统中,基站端采用随机天线选择技术和迫零预编码,同时考虑大小尺度衰落,研究了系统频谱效率和能量效率的联合优化模型,并分析了其Pareto前沿的凹凸性。2)创新性地提出了利用群智能优化算法直接求解能效和谱效联合优化问题的解决思路,分别提出了基于快速非支配排序的NSGA-Ⅱ算法和多目标粒子群MOPSO算法的两种解决方案,在本文应用场景下分别进行仿真设计,并分析其关键步骤以及算法性能。3)通过MATLAB仿真验证了 NSGA-Ⅱ算法和MOPSO算法在解决EE-SE联合优化问题中的有效性。结果表明,所提出的两种算法在结果收敛性和多样性方面均表现出良好的效果,并进一步讨论了对每种算法的优劣性。