在众多物联网的新兴技术中,数能一体化网络技术由于其能够延长能量受限节点的寿命,受到了相当大的关注。而自适应调制、发射功率控制等链路控制技术能够在不同信道等环境条件下,通过调节链路控制方案,来提高吞吐量、可靠性等性能。因此,在数能一体化网络这种新型通信网络中引入自适应链路控制技术是很有必要的。在过往的数能一体化网络技术的研究中,很少研究涉及自适应调制、自适应功率控制、自适应能量传输控制以及自适应多用户调度的联合设计。而本文则聚焦于此,研究了数能一体化网络中的自适应链路控制技术。为了应对新一代无线通信中对于速率、可靠性、延迟这三者的要求,本文将在数能一体化场景下,聚焦自适应链路控制策略的设计,来提高网络传输中的平均频谱效率等性能,保证误码率和能量传输要求。为此本文研究了链路控制策略和能量传输对各种性能的影响,得到各种传输性能对应的数学表达,建立适用于数能一体化网络的优化模型。分别采用了凸优化和马尔科夫决策过程两种建模方法,设计了对应的求解算法,分别为遗传算法和深度强化学习算法。对比分析两者的优劣,发现马尔科夫决策模型将更适用于自适应链路策略的建模,并且基于神经网络的深度强化学习算法将更加适用于本文所提优化模型的求解。此外,为了提升链路控制策略的实际应用价值。本文从两方面入手,一方面是解决了不同业务需求下链路控制策略的实用性。所设计的自适应链路控制策略能适应业务的变化,自主学习并且快速重新收敛。为此,本文提出了两种加快收敛的技术（模仿学习、优先经验生成）,对现有深度强化学习算法DQN进行了改进,大大提高算法收敛速度。使得算法能够在更短时间内在变化的环境中重新收敛并且达到较高的性能,从而适用于业务需求不同和业务需求可变的实际场景。另一方面,将点对点的链路控制策略推广到了多用户传输场景,设计了能够配合本文提出的点对点自适应链路策略的多用户调度方案。同时为了应对环境变化和时延使得调度策略失效的问题,利用深度强化学习技术,设计出能够考虑未来环境变化的多用户调度策略。利用多用户分集特性,在能量传输效率、总体传输时间性能以及公平性上进行了优化。