随着人们对高速数据业务需求的不断增长以及移动通信技术的快速发展,第五代移动通信系统（5G）中的移动数据流量和用户设备（User Equipment,UE）数必将呈现指数增加,为了应对上述问题,5G通信网络中出现了小蜂窝密集化的高密度蜂窝网络（Ultra Dense Cellular Network,UDCN）,这种网络密集化的网络虽然一定程度上提升了移动通信网络的系统容量,但是也导致了单个小蜂窝只服务一个甚至更少的用户设备,这样不仅导致了网络资源的浪费,还降低了用户设备的公平性。众多周知,蜂窝关联方案可以有效地改善蜂窝网络性能,但是现有的绝大部分方案一般无法将蜂窝关联问题转化成多项式时间可解的二维匹配问题,即使可以,也只是在优化单个蜂窝网络性能指标。于是针对高密度蜂窝网络场景,我们提出了一种一般化目标函数的多项式时间蜂窝关联方案,该方案可有效地将蜂窝关联问题转化成匈牙利算法可解的二维匹配问题。具体的,首先通过该方案我们得到了一个存储多项蜂窝网络性能指标情况的经验池。最后在蜂窝关联决策阶段得到优化给定性能指标的蜂窝关联结果。与现有的蜂窝关联方案相比,在改善蜂窝网络系统容量和用户设备公平性之间,本方案实现了更好的权衡,并且时间成本更低。虽然以上蜂窝关联方案实现了蜂窝网络相关性能的很好权衡,但是随着通信网络中小蜂窝数和用户设备数的剧增,为了更好地实现5G通信网络低时延的性能指标,我们需要设一种既可以改善蜂窝网络整体性能且算法耗时更低的蜂窝关联方案。于是以最大化蜂窝网络比例公平为目标,我们进一步提出了一种基于BPNN和匈牙利算法（Hungarian Algorithm Based Back Propagation Neural Network,HA-BPNN）的蜂窝关联方案。首先我们将比例公平的蜂窝关联问题转化成匈牙利算法可解的二维匹配问题,再利用匈牙利算法获得的蜂窝关联结果和对应的用户设备频谱效率矩阵完成对BPNN的训练。最终完成训练的BPNN不仅实现了蜂窝网络比例公平的近似最优还获得了较好的网络系统容量,同时大大降低了匈牙利算法的耗时。