随着移动互联网的快速发展,网络中用户数增多和服务的多样化,对网络系统中有限资源的调度分配方法提出了更高的要求。对基站的调度技术而言,如何通过更好的调度算法提升系统的整体性能,成为了第五代移动通信移动技术的重点研究内容。由于MIMO技术充分利用了空间复用增益,能够有效提升系统性能,而得到广泛应用。因此,应用MIMO技术的5G网络系统中用户调度算法的性能评估是本文的主要内容。而目前多用户传统调度算法完成调度需要计算用户间干扰,涉及大量矩阵运算,完成调度时间随用户数增加而急剧增加,本文将深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法应用到用户调度中,根据算法直接选出调度用户,极大减少了用户选择时间。本文首先调研了现有的MIMO系统下行用户调度算法,针对单用户MIMO以及多用户MIMO场景下系统吞吐量、用户公平性以及完成调度时间等指标进行比较,通过NS3仿真平台实现了不同用户调度算法,分析了各个调度算法的性能差异。由于传统调度算法在调度中缺少灵活性,将强化学习应用到用户调度,使用NS3-AI框架连接NS3网络仿真环境和深度强化学习算法,将仿真环境产生的用户相关数据传输到机器算法侧进行训练,相比理想数据对实际应用更有参考价值。实验结果相比传统MU-MIMO算法,调度消耗时间大大降低。此外,本文在NS3-AI工具原有基础上进行改进,通过加入subprosess模块在运行过程可以创建一个新的进程运行NS3仿真环境。改进后NS3-AI在一个终端窗口就可以完成联合仿真,简化了操作过程。考虑到实际网络通信中用户调度需要在一个调度周期内完成,本文提出了一种实时的DDPG调度算法,能够在一个调度周期内完成用户选择,极大减少了算法训练和决策选择用户的时间。实时DDPG算法基于深度确定性策略梯度算法,修改了算法中的目标网络参数更新方式,且线下训练网络模型,线上推理选择用户。当损失函数趋于稳定时,将不再更新评价网络参数,相比原始算法训练和参数更新时间减少了56%,训练之后模型推理选择用户的平均时间为0.25ms,能够满足实际网络时间要求。本文研究比较了不同传统调度算法性能,将强化学习应用到网络调度中,在保证系统性能情况下,减少了用户选择调度时间,对实际网络中用户调度具有重要意义。