配电场域网作为电力物联网的重要组成部分，是电力物联网“最后一公里”基础设施，解决电力物联网“最后一公里”的通信问题。为满足配电场域网控制类业务的高实时性和高可靠性需求，提高网络的覆盖能力和可靠性，文章提出了一种基于Dijkstra算法的高可靠、快速的路由优化算法。通过配电场域网的场域高速电力线载波和微功率无线两种通信方式的优势互补，节点通过混合路由表选择最可靠的通信链路传输数据，同时考虑了可靠性和实时性约束。仿真结果表明，该配电场域网高可靠路由优化算法有效增加了覆盖能力、成功传输业务数以及平均路由可靠性。

随着互联网技术的不断发展以及网络规模的不断扩大，新的网络业务层出不穷，为了保障用户服务质量，准确快速地对业务流量进行分类是目前的研究重点。传统业务识别方法多以协议或具体业务为分类依据，应用性较低。文章结合业务流量特征和机器学习方法，提出了一种基于生成对抗网络（GAN）和极端梯度增强（XGBoost）融合的业务流量识别方法。该方法首先提取代表业务资源需求的流量特征；然后通过改进GAN算法扩充少数类样本，解决业务识别过程中出现的数据集分布不平衡导致的模型准确率低的问题；最后通过随机森林算法进行特征选择，并利用XGBoost算法完成模型训练。结果表明，该方法对业务识别的准确率达到了97.32%。

随着第五代移动通信技术（5G）的发展以及网络架构的演进，网络覆盖的分析以及优化不仅需要考虑基站天馈系统的链路预算，而且需要结合基站覆盖区域的时空特性，从而设计出更精确的覆盖优化方案。文章提出了一种基于Q学习的自适应网络覆盖优化算法，首先采用一种基于数据挖掘的网络覆盖预测模型，通过小区天线参数的配置预测出接入终端的覆盖情况，并基于真实数据验证模型预测的准确性；其次，改进强化学习中智能体的动作选择策略，根据覆盖率设置各小区不同的优化优先级，结合贪心策略，选择出需要优化的小区及其优化参数值，有效地降低了迭代过程中陷入局部最优的概率。仿真结果表明，文章所提算法可提高优化过程收敛速度，同时对网络覆盖率的提升幅度可达到20%。