随着异构无线网络部署的稳步推进，各种不同架构无线网络的融合将是必然趋势。其中接入层的融合成为了其中的关键，接入层的融合丰富了用户获取业务的途径，实现了随时随地的业务接入，并能使用户能体验到无间断的高质量的业务。那么接入层中足够有效的垂直切换机制自然成为了重中之重，在无线网络中对于无处不在业务要求的增加和对于异构解决方案的演变都要求一个足够高效智能的垂直切换机制。本文首先研究分析了当前的各种垂直切换算法，因模糊逻辑对于不确定性和非线性问题较强的处理能力和人工神经网络优秀的自适应学习能力而将模糊神经网络和基于人工智能的数学模型引入到垂直切换中来，在硬负载均衡的基础上设计了基于模糊神经网络使用粒子群优化的算法。为了实现网络间的负载均衡，该算法将网络间新呼叫阻塞率设为模糊神经网络的强化学习目标，并且在模糊神经网络的参数设置上采用了粒子群算法进行了优化。并将该算法和功率求和算法通过仿真进行了对比分析，仿真结果表明该算法具有较低的新呼叫阻塞率及切换阻塞率。然后又在前面设计的算法的前提下，做出了些改良。由在硬负载均衡的基础上改为了在软负载均衡的基础上，给出了一个基于分流的算法，并将该算法和自适应阀值负载均衡算法通过仿真进行了对比分析。仿真结果表明，对于自适应阀值负载均衡算法，本文提出的算法当用户数较少（低于200）时并无明显优势。但是当用户数较多或者拥挤时在新呼叫阻塞率和切换阻塞率上有了较明显的提升。