随着第五代移动通信5G(The Fifth Generation)技术的快速发展与正式商用,移动用户和移动数据流量呈现爆发性增长,通过在热点区域密集部署低功率小基站,形成超密集网络架构,以满足海量接入与爆炸式增长业务的需要。对于海量接入环境下如视频、语音、虚拟现实/增强现实、自动驾驶等具有服务质量(Qo S,Quality of Service)差异化的任务需求,海量用户的接入策略与网络时域频域二维资源下异构任务调度策略是保障网络系统性能的关键。首先,针对5G超密集接入网多信号重叠覆盖下的用户网络选择问题,分析用户拟传输的视频、语音等任务对速率、时延、丢包率等Qo S指标的不同需求,综合考虑超密集网络中各网络的可用资源、安全性、服务开销等参数,构建了超密集网络下用户网络选择MDP模型。围绕多类型任务和多属性决策带来的MDP状态空间爆炸问题,提出了NS-MDP算法对MDP模型状态空间和回报函数进行优化,并运用动态规划值迭代法进行求解,得到最优调度策略。该最优调度策略在满足各用户任务Qo S需求的同时,降低了用户的切换率和阻塞率。其次,针对5G网络中两大应用场景的增强型移动宽带e MBB(enhanced Mobile Broad Band)和高可靠低时延通信URLLC(Ultra Reliable Low Latency Communication)两类异构任务调度问题,分析了URLLC任务低时延和高可靠的特性,通过引入不同子载波间隙配置的灵活数字命理(Flexible Numerology)参数集,给出了时域频域二维资源下吞吐量最大化问题。通过分区问题(PP,Partition Problem)证明了吞吐量最大化问题是一个NP-hard问题,运用深度强化学习方法提出了异构任务调度HTSA算法,实现了对该NP-hard问题的快速近似求解。在保证URLLC任务时延和可靠性的Qo S需求下,提高了系统时域频域二维资源的利用率。最后,围绕5G超密集接入网中基于任务的用户网络选择问题和时域频域二维资源下的e MBB和URLLC异构任务调度问题,运用Python和MATLAB等工具,对所提出的NS-MDP网络选择算法和HTSA异构任务调度算法,进行了仿真验证和性能评价。仿真验证结果表明,NS-MDP算法能够有效减少用户的切换率和阻塞率,提高了超密集接入网络系统吞吐量;HTSA算法可有效降低URLLC任务丢失率,保证了URLLC任务低时延和高可靠的需求,提高了时域频域二维资源的利用率。