信息化时代的来临给人们生活带来颠覆性的影响,云计算、大数据、区块链等创新技术为用户带来更好的业务体验。用户数据流量激增、终端设备的广泛普及与用户差异化的服务质量（Qualityof Service,QoS）需求也对当前的通信网络提出巨大挑战,因此需要多种制式网络相互融合,促进“互通互联”体系。多种无线接入网络相互融合使网络环境变的愈加复杂,为了实现异构网络间的无缝漫游,网络选择算法成为异构网络融合中的研究热点。优秀的网络选择算法能够保证无线资源合理分配,有效提高用户满意度。本文研究了常用的异构无线网络选择技术,分析不同网络选择算法的特点与局限性。针对现有的网络选择算法存在的问题,在原有算法的基础上提出了两种改进的网络选择算法,并对算法性能进行了仿真验证。为了解决不同网络制式中的资源联合调度问题,本文提出了一种基于立方映射的自适应萤火虫搜索算法（Step Adaptive Firefly Algorithm Based on Cubic Chaotic Mapping,SACM-FA）。该算法通过将萤火虫算法与混沌优化理论相融合,使用混沌序列随机产生萤火虫初始位置,以保证初始个体的随机性,并引入自适应搜索步长加强种群的多样性,在满足用户QoS保证的条件下进行寻优操作,经过多次迭代计算,得到无线资源的最佳分配方案。SACM-FA算法在多种业务类型共存的eLWA上行链路环境中,优化了带宽分配和功率控制问题,提高了用户效用与用户满意度。最后仿真结果表明,在多种业务共存的eLWA系统中,SACM-FA算法能够改善无线系统的吞吐量,有效提高网络性能。同时相较于传统的网络选择算法,改进算法能有效均衡网络负载,显著提高了用户的满意度。同时,针对经典的理想解逼近法（Technique for Order Preference by Similarity to Ideal Solution,TOPSIS）贴近度计算不合理及逆序问题,本文提出了一种基于灰色关联度与主客观联合赋权的网络选择接入算法（TOPSIS Based on Grey Correlation with Joint AHP-Entropy Assignment,AE-GTOPSIS）。该算法采用将层次分析法和熵值法相结合的主客观联合赋权法代替传统单一赋权法,综合考虑了算法复杂度与权值分配的合理性。引入灰色关联度改进传统的TOPSIS算法,使用灰色关联度与欧氏距离联合构造新的相对贴近度,将相对贴近度作为评判方案优劣程度的标准,对候选网络进行排序。仿真结果表明,相较于单一赋权法,主客观综合赋权法能够在考虑属性的重要程度下合理分配属性权重。同时,相较于经典的选择算法,本文提出的AE-GTOPSIS算法能够有效减少网络垂直切换次数,缓解网络频繁切换为用户感知带来的负面影响,在保障用户QoS需求的同时提供稳定可靠的网络连接,提高用户满意度。