由于通信和计算机相应技术的快速发展,移动互联网在现实生活中得到大量应用。网络的规模越来越大,网络中需要处理的实体和实体间关系越来越多。这些变化导致现有网络中各种类型的资源调度问题变得非常复杂。本论文在采用图方法表征通信网络中资源调度问题的基础上,利用在计算机领域广泛使用的聚类技术来对目前资源调度算法的性能进行改善。本论文具体包括以下几点研究内容:1、利用聚类算法改善现有的资源调度算法的性能。在用图方法合理表征一个无线通信下行链路资源优化问题的基础上,我们分别提出了基于Kmeans算法和谱聚类算法的聚类结构,来改进现有的资源调度算法。我们采用一种已有的确定半径聚类算法来计算网络中的总聚类数目,并分别利用我们提出的两种聚类策略对通信网络进行处理。通过对比全网络的频谱效率可以得知,我们提出的两种聚类算法均比确定半径算法的性能优秀。同时,Kmeans聚类策略的性能略优于谱聚类算法的性能。但谱聚类算法在不同的图表征方法中具有比Kmeans算法更好的适应性。此外,我们还讨论了一系列仿真中的关键参数对于网络频谱效率的影响情况。2.利用密集度峰值算法来改善聚类问题中的初始聚类中心与聚类数目选择问题。我们基于密集度峰值算法提出了一种新的调度算法,并讨论了算法中的参数设置选取等问题。并利用密集度峰值算法更合理的聚类中心与聚类数目选择方法,进一步改善了基于Kmeans算法和谱聚类算法的性能。本论文所提出的三种算法在性能上均优于已有的确定半径算法,在聚类数目相同的情况下,三种所提聚类算法的性能非常接近。