网络切片作为5G的关键技术,是一种按需组网的方式。网络切片通过逻辑和物理资源的分离,支持在公共物理网络的基础设施上进行服务定制与隔离。网络切片借助网络功能虚拟化和软件定义网络共同提供的虚拟化与软件化完成设计、实施、部署、管理和维护,从而支持5G网络的快速发展与更广阔的应用。网络切片可以按照底层网络结构与功能的不同分为接入网切片与核心网切片,他们共同组成了端到端网络切片从而为用户提供端到端的网络切片服务。本文分别对接入网切片与核心网切片的资源分配问题展开研究。第一,本文研究了接入网中超密集网络的网络切片资源分配问题,并提出使用基于注意力机制与多智能体合作机制的MA3C算法为切片的用户做基站接入决策。本文发现通过向MA3C算法输入部分切片的移动用户的历史轨迹以及所有切片的用户的历史流量信息,可以解决这个问题中的网络能耗问题与部分切片的移动用户基站频繁切换问题。实验结果表明,MA3C算法可以在网络能耗开销、部分切片的移动用户的基站切换惩罚和违反约束惩罚等方面较对比算法有着更为优异的性能,同时在算法运行时间以及鲁棒性上也有着理想的表现。第二,本文研究了核心网中动态多租户网络的网络切片资源分配问题,并提出使用深度强化学习算法为低优先级租户服务的用户做网络切片部署。本文发现通过向深度强化学习算法输入网络资源的历史信息与用户流量的历史信息可以使其做出长期奖励更高的网络切片部署决策。同时结合问题中网络资源与用户流量大小对奖励范围影响较大的背景,发现Dueling-DQN算法适用于此问题场景,并提出了应对过大动作空间时的解决方案。测试结果表明Dueling-DQN可以在网络系统的能耗开销、算法运行时间等方面较对比算法有着更为优异的性能。同时其也具有较好的鲁棒性。