用户对于通信系统的需求不断增加,远程手术、车联网、超高清视频传输等新的工业应用场景层出不穷,5G通信作为诸多现实问题的通信领域解决方案,一经商用就引起了各行各业的革命性变化。而随着最新一代的蜂窝通信技术的逐步普及,如何解决其先进网络架构中的一系列负载均衡问题,实现系统资源的合理调度正成为当前的研究热点。针对上述问题,本文对5G通信网中的资源分配问题做了相关研究,在分析其通信原理的基础上,搭建并改进了对应场景下的通信仿真系统,同时,结合强化学习中的成熟算法,设计了实时性与性能表现相对更优的资源调度算法。本文的主要研究工作如下:（1）研究了无线接入网的空口资源切片原理,通过分析5G中三种基本场景的特性与资源需求,设计了以服务质量表现为评价标准的网络切片系统模型。在此模型中重点改进了传统的缓存方案与丢包机制,引入了基于优先级的早期随机检测策略,设计了针对性的用户服务质量评价方案,为后续的算法研究奠定了基础。（2）设计了基于强化学习的切片资源分配方案。结合Deep Q-Network与5G接入网的具体通信场景,提出了基于DQN的切片资源分配算法,同时使用基于优先级的经验回放策略与Double DQN等方式,对算法进行了优化。实验表明,对比传统的切片轮询算法与无切片适配的系统,该算法具有明显的性能优势。（3）为了解决核心网内的SDN新型架构下的资源分配问题,设计了基于强化学习的网络负载均衡算法,给出了具体的控制器设计方案,详细阐述了总体框架与各个模块的设计思路。通过对系统功能进行测试,验证了本文所提算法在相关场景下的优越性。