设备到设备(Device-to-Device,D2D)通信是一种有广泛研究价值和应用前景的技术,在减轻负载的同时可以有效地提高蜂窝通信网络的系统容量,在即将投入商用的5G通信中也有良好的实用价值和发展空间。由于D2D通信通常复用传统的蜂窝通信网络中的频谱资源,用户之间的干扰在所难免,控制干扰的主要方法包括资源分配和功率控制,因而高效的能源管理也就成为了D2D通信中的主要研究方向。本文为D2D通信提出了一种用户的资源分配算法,在协调干扰的同时,最大化系统吞吐量。由于无线信道状态和状态转换可能性的不确定性,所以考虑可以利用强化学习(Reinforcement Learning,RL)算法中的Q学习算法解决这一问题。在本文提出的方案中,每个D2D用户对被视为一个独立的智能体,根据其所观察到的信道状态做出资源选择的相应决策。为解决多用户系统中的决策问题,又进一步提出了多智能体RL算法。在D2D用户对不具有关于要分配的资源块的可用性和质量的任何信息的前提下,该问题可被建模为随机非合作博弈问题。每个智能体可视为一个参与者,通过所有参与者的共同决策以实现全局优化,从而提出了基于博弈论的多智能体Q学习算法。此外,本文又从调整每个D2D用户的传输功率角度出发,在调节干扰的同时实现最大化系统吞吐量。类似地,可将该问题建模为强化学习算法。为了提高效率并降低收敛时长,首先使用模糊聚类算法对D2D用户进行分组,使得同组内用户之间存在较小的干扰,然后再将每个分组视为Q学习算法中的一个智能体,从而建立了基于模糊聚类算法的多智能体Q学习算法模型。对于提出的上述两种算法,均进行了相应的仿真,仿真结果显示本文所提算法在提升系统吞吐量的同时也保证了蜂窝用户与D2D用户的通信性能,因此验证了本文提出的算法的优越性能。