随着移动互联网应用的进一步发展以及海量智能终端的大范围普及,各类新业务新需求亟待满足,第五代移动通信系统(The 5th Generation Mobile Communication,5G)应运而生。5G彻底改变了现有的蜂窝网络架构,并呈现出虚拟化、异构化、致密化等特征。除传统无线资源外,网络中还存在着各类计算资源、存储资源、站点及设备资源等其他类型的资源。如何灵活高效地协同优化分配这些资源,在满足庞大而又多样化的服务需求的同时,提高资源利用率,提升网络效用,节省网络能耗,是当前5G网络的研究热点之一。由于5G网络架构并不统一,应用场景更是多种多样,不同场景中的资源类型和优化目标需求不尽相同,对应资源分配所面临的问题也存在较大差异。因此,对不同场景下资源分配方法需要分别进行针对性研究。基于此,本文对5G网络中一些典型场景下的资源分配问题进行研究,主要研究内容有:1)5G切片网络中无线资源高效分配算法研究在基于云无线接入网(Cloud-Radio Access Network,C-RAN)架构的多服务商无线切片网络中研究了网络效用最优的资源动态分配问题。在问题建模过程中,同时考虑了用户及服务商之间的公平性,算法的执行速度及易实现性等。鉴于建模问题难以直接求解,提出了一种分布式动态分配算法来近似求解。算法将求解过程分为射频拉远头(Remote Radio Head,RRH)内资源分配和动态用户关联两部分。对于用户接入固定情况下的RRH内资源分配问题提出了一种简单高效的两层资源分配算法,在保证服务商及用户公平性的同时提升了网络效用;对于动态用户关联问题,创新性地提出了不稳定用户的概念,并提出一种效用最优的贪婪算法,在网络发生新用户接入或用户离开等动态变化时依然能够迅速调整资源分配和用户关联来达到全网效用的动态最优。仿真验证了 RRH内资源分配方法和用户关联过程中重点考虑不稳定用户这一措施的有效性,所提算法收敛速度快,性能表现能够接近复杂度高的贪婪算法,能够用于多服务商切片网络的资源实时动态分配。2)具有移动边缘计算(Mobile Edge Computing,MEC)功能C-RAN中计算卸载策略与资源协同优化针对移动边缘计算场景,提出了一种具有任务感知功能的MEC C-RAN架构,并基于提出模型架构以网络运营商的利润最大化为目标,研究了MEC服务器计算卸载策略与计算资源以及无线资源分配的协同优化问题。首先,在给出网络模型、传输模型、计算模型及网络运营商利润分析后以多种资源及任务时延受限为约束条件,对优化问题进行了建模。由于所建模问题为非多项式难题(NP-hard),对此提出了一种基于频谱效率的卸载策略与资源分配联合优化算法。算法将原问题分解为计算卸载与资源分配两个子问题。对于计算卸载子问题,在对目标函数及用户计算卸载行为进行分析后提出一种基于频谱效率的计算卸载策略;对于给定卸载策略的计算资源与无线资源联合分配子问题,则选择将问题进行松弛后使用拉格朗日乘子法求解。然后,通过对两个子问题进行迭代完成对原始问题的近似求解。最后通过对比仿真证明了所提算法能够以较低复杂度得到问题的次优解,此外还分析了延迟约束和任务输出大小对算法性能的影响。3)新老基站共存密集部署场景中的节能休眠策略研究随着5G的商用,大量5G基站开始部署,当前存在着新老基站共存的基站密集部署场景。针对部分老旧基站无法休眠的情况,本文提出一种动态基站休眠策略以实现网络能效最大化。在给出较为精确的基站状态切换开销模型后,建模了网络能效最大化问题(Energy Efficiency Maximization Problem,EEMP)。为求解建模问题,首先分析了网络负载分布不变情况下的静态EEMP并提出四种基站休眠策略,随后在此基础上考虑基站状态切换开销,提出一种服务质量(Quality of Service,QoS)优先的能效最优(QoS First Maximum Energy Efficiency,QFMEE)算法来解决EEMP。随后在仿真中,先通过对比分析选出了最佳静态EEMP求解策略,然后对QFMEE进行仿真分析得出,当基站的状态切换成本在总能耗中占有一定比例时,QFMEE方案可以显著提高网络能效,降低切换成本。