随着移动互联网蓬勃发展,第五代移动通信系统（The Fifth Generation Mobile Communication System,5G）将支持具有更多吞吐量、延迟和可靠性要求的多样化服务,基于虚拟化的网络切片技术是应对5G网络服务多样化的使能技术之一。在实现5G无线接入网（Radio Access Network,RAN）切片过程中,需要解决切片间隔离和移动性管理等挑战。论文选题于中国联通网络技术研究院合作项目《B5G网络系统关键技术研究项目》,主要研究面向5G RAN切片的无线资源分配和移动负载均衡,提升无线资源利用率、网络容量和用户体验。论文主要工作内容如下:（1）论文综述了面向5G RAN切片的无线资源分配和移动负载均衡相关研究。首先,对网络切片技术进行简要介绍,明确了 RAN切片设计的相关原则,并讨论了网络切片引入对5G RAN设计所带来的一些挑战。然后,分别对RAN切片无线资源分配和移动负载均衡这两个重要问题的研究进展进行了总结,明确了本论文的研究方向。（2）针对5G RAN切片间资源隔离的问题,提出了一种最大化切片服务等级协议（Service Level Agreement,SLA）合约率的无线资源分配算法。首先,将SLA的业务指标映射为相应可测量的网络性能指标,以此为基础计算切片的SLA合约率。其次,根据切片的需求进行无线资源分配。最后,考虑到网络以及用户的动态性,结合切片的性能进行无线资源分配的更新,在不影响已满足SLA的切片性能基础上对不合约切片的无线资源进行动态调整,以保障切片间的隔离,最大化所有切片的SLA合约率。仿真结果表明,所提算法能够服务更多的用户,以实现更优的切片SLA合约率,同时在切片无线资源需求动态变化时能够有效的保障切片间的隔离。（3）针对网络切片架构引发面向RAN切片的移动负载均衡问题,提出了一种基于深度强化学习的移动负载均衡算法。首先,定义了系统满意度模型以衡量用户需求的满足情况,同时提出了面向RAN切片的移动负载均衡策略,包括通过射频拉远单元（Radio Remote Unit,RRU）调整分配给切片的无线资源比例实现的切片级负载控制,以及基于用户切换的小区级负载均衡。为了提升系统满意度并考虑最大化移动负载均衡的系统效用,在切片级负载控制与小区级负载均衡中分别提出了系统满意度与用户效用函数联合优化问题,并采用深度强化学习算法求解该优化问题,实现了切片级负载控制中的最佳无线资源比例分配,以及小区级负载均衡中的用户切换。仿真结果表明,所提算法可以有效地减少不满意用户的数量,实现较高的系统满意度。此外,所提算法能够有效减少系统内切换的总次数,带来较少的均衡开销。