第五代移动通信系统对传输速率、用户移动性、终端数量等提出了更高的需求。下行无线资源调度作为移动通信领域重要的组成部分,传统的资源调度方式已经难以适应新的技术与场景。目前常用的比例公平调度算法在调度上缺少灵活性,而且面对一些变化的场景难以保证短期的公平性。随着多输入多输出系统朝着大规模MIMO发展,用户的选择算法需要降低用户间干扰对系统性能的影响。传统基于模型的调度算法已难以适应复杂多变的网络场景,强化学习不需要外界环境的模型,在许多复杂决策问题中取得了好的效果。在此背景下,本文对面向5G的下行无线资源调度算法进行研究,旨在结合强化学习方法,使下行调度算法能与新的场景相结合,提升系统吞吐量与公平性性能。首先,本文基于下行资源调度与强化学习的应用需求和特点,设计了强化学习应用于下行资源调度的通用框架。该通用框架由用户管理器、基于强化学习的控制器和动作执行器组成,对于不同场景,可以在此框架基础上选择合适的强化学习算法来解决资源调度问题。其次,针对单用户MIMO场景,本文分析了该场景下常用的比例公平算法以及几种改进算法所存在的灵活性、收敛性差等问题,提出了基于Deep Deterministic Policy Gradients（DDPG）的改进算法。根据系统状态来获取广义比例公平算法中参数的值,进而实现动态地调节调度权重。仿真结果表明,该算法相较于比例公平算法更有效地提升吞吐量与公平性,其中吞吐量可提升8%,公平性可提升16%,且能保证短期的公平性。相较于基于Q-Learning和Actor-Critic的改进算法,该算法更容易收敛,收敛速度提高近一倍。最后,对于多用户MIMO场景,由于多用户共同占用同一资源,用户间干扰会影响系统性能。需要在资源调度时考虑用户间干扰,在一块资源上选择更优的用户集合,达到最大化系统吞吐量的目标。针对该问题,本文提出了基于改进DDPG的用户选择算法,结合深度可分离卷积神经网络,根据系统状态获得所有资源上的用户集合。理论与仿真表明,与该问题中使用较多基于用户相关性的CUS算法相比,该算法具有更小的计算复杂度,用户数量增多,复杂度仅会线性增加,并且能在保证公平性的前提下使系统总吞吐量最大提升6%。无线资源调度是通信系统核心技术之一,调度算法一直是研究的热点。本文将强化学习应用于无线资源调度中,提升了系统性能,也提供了资源调度算法的改进思路。