随着移动通信技术的飞速发展,多种新型无线接入技术(Radio Access Technology,RAT)和新型业务种类不断涌现。因此在同一热点区域内有较大的可能同时存在多种无线网络覆盖的情况,例如第五代移动通信(The Fifth Generation Communications,5G)、4G和3G同时覆盖。因此,下一代通信系统应该是能够有机地将现有和未来的各种无线接入网络融合在一起的异构无线网络。在5G融合网络场景下,如何合理地疏导业务完成与网络的交互成为一个需要解决的问题。为了解决未来5G异构网络场景中的多业务疏导问题,本文着重研究了业务疏导技术中的网络选择技术。网络选择技术作为业务疏导技术中接入网侧的技术,可以智能地将不同的业务分配到不同的接入网。网络选择技术可以有效地实现网络利用率的最大化,是业务疏导过程的第一步。本文的主要贡献为:首先本文分析了5G新场景下可能出现的业务类型:交通类业务、工业自动化和公共事业类业务,医疗类业务、虚拟现实(Virtual Reality,VR)/增强现实(Augmented Reality,AR)类业务和智能城市类业务。并且给出了这些业务的对不同网络属性的服务质量(Quality of Service,QoS)需求。关于业务类型的分析是业务疏导理论的基础。针对业务疏导中的网络选择技术,本文提出了一种基于二分图多重匹配的网络选择方法。该方法从图论的角度分析了网络选择问题,并使用最小费用最大流算法得到最优匹配结果。与对比方案相比,所提方案可实现网络的接入用户数均衡,改善网络负载情况并在一定程度上降低网络接入的开销。为了分析网络选择带来的资源竞争问题,本文提出了一种改进的基于演化博弈的网络选择方法。本文不仅改进了先前研究中的奖励函数,还将单业务场景扩展到多业务场景。仿真结果表明所提方法可以有效地均衡网络负载,降低切换开销。为进一步解决演化博弈方案中由于集中式处理带来的信令开销问题,本文还提出了两种基于强化学习(Reinforcement Learning,RL)的网络选择方法。所提方法不仅可以均衡网络接入用户数,还可以改善网络负载情况并降低系统总功耗。