随着无线通信产业的快速发展，各种无线接入技术层出不穷，为了满足终端用户日益高涨的通信业务和数据的需求，全球范围的无线资源将逐渐向下一代移动通信网络转移。未来的无线通信网络必将是基于全IP、支持多种无线接入的异构融合无线网络，其中，垂直切换技术作为异构网络的关键技术，已然成为该领域的关键技术和研究热点。在异构融合无线网络中，不同的接入网络有着不同的网络特性，因此，传统的水平切换算法已经无法适应多种不同接入网络组成的异构融合网络下的新需求，面对复杂的垂直切换算法，需要进一步的探讨研究。而垂直切换技术最主要的任务就是设计出一个合理有效地切换判决算法，以满足不同无线接入网络的移动性管理要求。本文在深入研究了国内外对异构网络垂直切换算法的成果基础上，全面考虑影响垂直切换判决的属性因子，并根据不同属性的特性融入到算法中，以提高垂直切换的效率和有效性。本文将模糊神经网络引入到垂直切换判决的解决方案和算法中，并针对模糊神经网络收敛速度慢、容易陷入局部最小解的问题提出基于蚁群算法优化的模糊神经网络垂直切换算法（ACO-FNN）。算法将接收信号强度、可用带宽、终端的移动速度等因素引入预判决处理，有效减少参与切换的用户数，在小区选择阶段，通过蚁群算法对参数初始值的设定和优化，提高了模糊神经网络参数学习的精确度。仿真结果表明，该算法有效减少了乒乓次数的发生，降低了拥塞率。本文的工作和研究成果为无线异构网络智能化的垂直切换算法的研究提供了参考。