随着通信技术的不断发展,传统的接入网络已经无法满足用户的需求。为了提升接入网络性能,同时降低基站的运营成本,云无线接入网络(Cloud Radio Access Network,C-RAN)作为一种新型网络架构被提出。在5G时代,为了适应多样化的业务场景,C-RAN必须实现更灵活的模块化架构。其中一个重要研究方向就是将基带处理单元(Baseband Unit,BBU)重构为集中式单元(Central Unit,CU)、分布式单元(Distributed Unit,DU)两个功能实体,远端射频头(Remote Radio Head,RRH)和馈线一起被合并成有源天线单元(Active Antenna Unit,AAU)。因此,原本BBU+RRH的两级架构就演进为CU+DU+AAU三级架构。本文研究重点在于使用机器学习优化算法,对CU-DU以及DU-AAU的两个部分的资源调度机制进行研究,利用合理的策略来降低系统功耗。针对CU-DU网络中的计算资源,本文建立了在调度机制监督下,资源和功率信息自主反馈的系统框架。本文分别对CU和DU的空载功耗、传输功耗以及回收再利用功耗建立模型,以资源连接关系作为约束条件,确定资源的实时调度策略。仿真结果证明,使用改进后的人工蜂群算法能够提供高效的资源调度策略,在更高的资源占用率下使用更少的资源块,同时还能达到降低功耗的目的。在CU-DU的调度机制基础上,本文还进一步研究了 DU-AAU网络中的资源问题。设计了一个DU的负载迁移场景模型,利用机器学习中优化算法进行求解。仿真结果证明,改进的粒子群算法收敛性能更佳,并且能够有效地降低网络的系统功耗。在本文的最后,对文章的主要研究工作做了全面的总结,并且对下一步的可能的研究方向进行简要的说明。