文献综述（或调研报告）：
【1】近来，5G超密集多无线接入技术（Multi-RAT）异构网络作为增强网络性能的关键方案，被该产业和移动运营商高度重视。因此，它支持着数据流量需求的指数级增长。然而，伴随着独特的服务质量（QoS）和体验质量（QoE）需求，改进用户之间的多个冲突指标仍然是当前网络环境下最主要的挑战。这是由于当前用户关联机制不恰当地适应引起的。为了克服这项挑战，首先，我们提出了用户关联问题，在5G超密集多无线接入技术异构网络中，这是一个可以被加权和理论解决的多目标优化问题（MOOP）。然后，我们提出了利用多目标遗传算法（MOGA）来实现合适的关联，以此考虑到用户的个体需求。最后，根据能量效率（EE）、成本效率（CE）、QoS上下行链路吞吐量指标，数值结果展示了多目标遗传算法-解耦接入（MOGA-DA）与多目标遗传算法-耦合接入（MOGA-CA）和Max-SINR（最大信号和干扰噪声比值）关联机制的效能对比。
【2】在第五代(5G)无线网络中，大规模多输入多输出系统的集成需要同时考虑多个相互冲突的目标，以达到最优的性能和运行效率。本文提出了一种基于多目标进化算法(MOEAs)的完整优化框架，即非主导排序遗传算法ii和速度约束的多目标粒子群优化。此外，我们使用一个决策者来选择一个解决方案向量，以达到最佳的折衷解决方案。研究结果表明，MOEAs是解决5G网络中此类多目标问题的一种非常有前途的技术。
【3】超密集网络(UDN)架构作为一项关键技术，有望在支持第五代(5G)移动通信技术，特别是热点和盲区移动通信技术方面发挥关键作用。能量效率(EE)和频谱效率(SE)是5G UDN中的两个重要指标。一般来说，它们不能同时获得最优结果。平衡他们的权衡,在本文中一个多目标优化问题(MOOP)是制定和nondominated排序遗传算法的改进版本二世(NSGA-II)提出了基于智能方法使小细胞用户优化他们的下行EE和SE共同分配传动功率的性能和资源块。仿真结果表明，与现有的穷举搜索和加权和算法相比，该算法具有显著的性能提高。研究了该算法的收敛性和计算复杂度。
【4】前四代的蜂窝技术都是打破向后兼容性的主要范式转换。事实上，5G将需要一种范式的转变，包括具有巨大带宽的非常高的载频、极端的基站和设备密度，以及数量空前的天线。然而，与前四代不同的是，它也将是高度集成的:将任何新的5G空中接口和频谱与LTE和WiFi捆绑在一起，以提供普遍的高速率覆盖和无缝的用户体验。为了支持这一点，核心网络还必须达到前所未有的灵活性和智能化水平，频谱管制需要重新考虑和改进，能源和成本效率将成为更加关键的考虑因素。
【5】当几种无线接入技术(如HSPA、LTE、WiFi、WiMAX)覆盖同一区域时，决定哪一种手机接入被称为无线接入技术(RAT)选择问题。为了减少网络信令和处理负载，决策通常委托给移动用户。移动用户的目标是自私地最大化他们的效用。但是，由于他们不合作，他们的决定可能导致效率低下。在本文中，为了克服这一局限性，我们提出了一种网络辅助的方法。该网络为手机提供信息，使其做出更准确的决定。通过对网络信息进行适当的调优，可以全局地期望用户决策满足运营商的目标，从而避免不希望出现的网络状态。将网络信息的获取过程表示为半马尔可夫决策过程(SMDP)，利用策略迭代算法计算最优策略。同时，由于网络参数不易获取，本文引入了一种强化学习方法，推导出向手机发送何种信号。分析了阻塞概率和平均吞吐量等最优、基于学习和启发式策略的性能。当有针对性地设置优化阈值时，启发式算法的性能与最优解非常接近。此外，虽然它提供了较低的性能，我们的基于学习的算法具有不需要预先参数化的关键优势。
