近几十年来,随着通信技术的不断发展和无线智能设备的普及使用,用户数量和需求史无前例地爆发式增长,为保证服务质量而增设的通讯基站(Base Station,BS)的种类和数量也越来越多,进而造成无线通信网络的能量消耗持续增高。在无线蜂窝网络中,维持基站运行和频繁的用户切换造成的功率消耗占无线网络总消耗的绝大部分,因此对无线网络中的基站-用户关系进行优化是有望削减网络总开销的有效途径之一。国内外学者针对这一问题做了大量研究,基站-用户接入关系主要分为两个方面考虑:用户接入控制与基站激活控制。本文主要从以上两个方面开展研究。目前的用户接入控制一般是和功率控制联合优化的,在满足用户服务质量(Quality-of-Service,QoS)的条件下以最小功率消耗服务最大用户数,力图在服务用户数和发送功率之间寻找一个平衡。然而,目前相关算法都是针对即时信道状态信息(Channel State Information,CSI)做决策,导致用户接入状态存在频繁断开接入的风险,致使网络花费额外的能量克服这种结果。因此,本文在原有问题基础上考虑一段时间内的用户链路切换率,期望在接入用户集的稳定性和灵活性之间找到一个平衡,同时使网络总能量消耗最小,即长期用户控制策略和瞬时波束成形联合设计。在基站激活方面,通常方法是基站间共享一定的信息,根据应用场景要求协同工作从而优化资源配置,减小不必要的损耗。目前最好的方案是将发射功率和基站激活联合优化,但是由于CSI的动态变化特性,没有考虑到基站的工作状态切换率对网路资源消耗的影响。因此,本文第二部分工作在原有的问题上将一段时间内基站的工作状态切换率考虑进去,旨在平衡激活基站集的稳定性和灵活性,同时使网络总能量消耗最少,即长期基站激活策略和瞬时波束成形联合设计。由于本文提出的都是非确定性多项式(Non-deterministic Polynomial,NP)困难的问题,所以分别对这两个联合优化问题做一些有效的近似使其成为凸问题。在联合长期用户控制和波束成形优化问题中,本文利用连续上界最小化(Successive Upper-bound Minimization,SUM)分别设计了线下算法和线上算法。为满足实际应用需求,本文利用交替方向乘子算法(Alternating Direction Method of Multipliers,ADMM)框架设计了具有低复杂度的分布式算法来迭代求解线上问题。在联合长期基站激活和波束成形优化问题中,本文用类似的方法分别给出了线下算法和线上算法以及基于ADMM的可并行求解的线上算法。另外,本文利用深度强化学习(Deep Reinforcement Learning,DRL)框架设计了一个面向数据的智能线上算法来解决基站激活问题。实验仿真结果表明,本文分别针对用户控制和基站激活提出的算法有效降低了基站-用户链接切换率,并且在网络总能量消耗上取得更好的性能。另外,通过大量实验发现就基站激活而言,智能线上算法可以超越线下算法的性能。