Device-to-Device(D2D)通信技术因其在短距离通信上的优异性能成为下一代移动网络的热点技术。在移动通信系统中,D2D技术能显著地提高系统吞吐量,获得高频谱效率和能量效率,但其共享蜂窝网络频谱资源的方式会造成蜂窝用户与D2D用户间的链路干扰,所以D2D通信场景下的资源优化成为了移动通信网络研究中的热点问题。目前,主流的以凸优化为核心的资源分配技术可以优化网络性能,减少通信链路间干扰,提高网络传输性能,但相关优化迭代算法计算复杂度高,限制了其在具体通信场景中的实际应用。因此,研究D2D通信场景下资源分配问题的快速求解算法具有重要的研究意义和实际价值。本文对蜂窝网络中复用模式场景下的D2D通信资源分配问题进行了研究,主要工作如下:(1)提出了一种端到端的基于卷积神经网络的单小区下行链路D2D功率分配算法。在下一代移动通信网络模型中,D2D通信场景存在的三种常用的资源分配模式有专用模式、复用模式以及蜂窝模式,本文重点对复用模式场景下的D2D资源分配方法的复杂度进行了分析,建立了该场景下的D2D资源分配模型,提出了一种端到端的基于卷积神经网络的功率分配方法。算法同时考虑了非理想信道状态信息、用户服务质量等约束条件,相对于传统方法中的凸优化类功率分配算法,可以有效的降低计算复杂度。(2)与单小区系统相比,多小区系统的通信链路以及干扰更为复杂,多小区的D2D资源分配策略的快速计算也更为重要。针对多小区通信场景中的资源分配问题,提出了一种自适应的Multi-DCNN资源分配算法。Multi-DCNN算法以系统频谱效率最大化为优化目标,以满足功率上下限和干扰最小化为约束条件确立优化函数,充分考虑了系统性能最佳、干扰最小和满足用户最低服务质量等多方面的约束,多个损失函数的设计满足了功率的上下限要求以及需求差异性,给出了一种场景多变情况下神经网络模型参数动态调整的思路和方法。仿真结果表明,本文所提出的自适应的方法适用于多小区复杂场景,并且计算复杂度较低。本文对特定场景下的D2D通信资源分配问题进行了研究,考虑了单小区和多小区场景,所提出的基于卷积神经网络的资源分配快速求解算法具有良好算法性能以及低复杂度。