随着社会的不断发展,科技的不断进步,通信领域也经历了很多巨大的变化。现在通信用户正在逐渐增加,对于通信的需求呈现爆发式的增长,原来的蜂窝小区已经无法满足人们的需求,一种新的组网方式——异构网络应运而生。异构网络就是融合了多种不同类型的基站所组成的通信网络,最典型的就是在宏基站的大范围覆盖下,同时具有其他小范围覆盖的基站,如家庭基站等。异构网络解决了人口密集区域的覆盖问题,其成本低、灵活性高,且避免了大量部署宏基站所带来的能耗、成本等问题,增加了系统吞吐量的同时具有环保高效的优点。本文先对现有研究成果进行了深入研究,针对异构网络功率分配问题,现有研究成果普遍存在无法合理解决这种高维度优化问题的缺点,所采用的传统算法,如注水算法等在这种情况就不再适用。本文先介绍了Macrocell/Femtocell两层异构网络模型,对其中重要概念进行了详细介绍,对信号传输模型和干扰计算等进行了公式推导,在此基础上,对衡量网络性能的重要指标:吞吐量、能耗和能效进行了数学推导和分析建模,分别建立了单目标和多目标两种情况下的目标函数。然后对教与学优化算法进行了改进并构建了多目标教与学算法,对其原理和过程进行了详细介绍,并分别以系统吞吐量和系统能效为优化目标,对异构网络功率分配问题进行了单目标求解,通过与遗传算法和教与学算法的比较,验证了算法的优秀性能。接着并以系统吞吐量和系统能耗为多目标函数,基于多目标教与学算法对多目标功率分配问题进行了Pareto前端解的求解,通过仿真分析,证明了在多目标分配问题中,所提算法求解结果与经典多目标算法NSGA-Ⅱ相比更为优秀。针对频谱分配这个整数规划问题,本文对蜘蛛群算法进行了改进,以各种情况下的系统吞吐量最大化为优化目标进行了仿真分析,结果证明了改进蜘蛛群算法与粒子群算法和蜘蛛群算法相比,均可得到更为优秀的结果。本文的最后提出了多目标量子蜘蛛群算法,以系统吞吐量和能耗为多目标函数,进行了一步式资源联合分配的求解,仿真结果表明了所提算法可以很好的解决混合编码问题,优化结果与经典的多目标粒子群算法相比更为优秀。