在无线移动通信系统中,由于移动用户数量的大量增长,如何有效地提升用户在移动状态下的服务质量成为亟待解决的问题之一。蜂窝网络的移动性管理是一种改善系统吞吐量和服务连接质量的关键技术,对于提高系统性能和用户服务体验具有重要意义。本文以先进的长期演进(Long Term Evolution-Advanced,LTE-A)的两项关键技术--协作多点传输和蜂窝异构网络为中心,以提高系统吞吐量、减少切换失败概率、考虑系统资源分配的均衡性及满足用户服务需求为目的,以最优化理论及Q学习算法为理论基础,重点地展开LTE-A蜂窝网络的移动性管理算法的研究。在传统蜂窝网络中,本文提出了一种基于用户移动性预测的协作多点传输切换算法。综合分析用户的服务质量和网络资源分配情况,根据用户的径向速度预测用户的运动轨迹,从而为用户选择合适的协作集、传输集和主服务小区进行切换。仿真结果表明,此算法有效的减少了切换次数,降低了切换失败概率和切换时延对系统性能的影响,达到小区边缘用户服务质量的提升。在蜂窝异构网络中,本文提出基于Q学习的蜂窝异构网路移动性管理算法。以最大化每个基站的数据速率为优化目标,考虑到不同类型的基站在传输功率、回程等方面的差异性,提出基于Q学习的小区范围扩展(Cell Range Expansion, CRE)技术,学习主体通过感知环境状态信息来学习动态系统的最优策略,为基站选择最优偏滞值,并且以最优偏滞值为基础,进行小区切换。仿真结果表明,与传统的移动性管理算法相比,该策略能有效的卸载宏基站用户,提高系统的吞吐量。