随着已经步入商用阶段的第五代移动通信技术（the Fifth Generation Mobile Communication Technology,5G）,海量机器类通信（massive MachineType of Communication）的应用场景也日趋明朗化,业务场景愈发广泛,业务模型也愈发复杂。然而由于需要支持超大规模的设备接入网络中,能量的消耗变成不可忽视的一环,为了支持绿色科技可持续发展的理念,对5G NR系统下终端设备能效提高的需求愈加迫切。在LTE（Long Term Evolution）这个已经发展十分完备的系统中,作为可靠且有效的能耗降低手段,非连续接收系统（Discontinuous Reception System,DRX）被广泛使用,于是在 NR 系统中,DRX机制将继续作为能效提高的方法被应用。非连续接收系统的核心思想是根据数据包在传输时候间歇性到达的特点,让用户接收端进入周期性的监听状态,而其余无数据包接收需求的时间,则可进入休眠状态以节省能耗。但是由于休眠阶段用户终端无法及时处理该阶段到达的数据包,就会产生数据包接收的时延问题,进而影响用户体验。所以,对于非连续接收系统中能效的提高和时延的保障问题就很有研究的必要,本论文便从两者的平衡关系如何折中来展开。本论文主要以DRX参数优化和DRX机制优化为出发点,对NR中节能系统的性能优化设计展开深入研究。为了适应NR系统中海量机器通信的复杂性和差异性,传统设计中的DRX固定参数系统已经无法满足需求,因此着重研究了 DRX各个参数自适应性优化的场景。本论文首先对DRX系统建立半马尔科夫状态转移模型,并建立功耗模型,校准能耗和时延输出。在此基础上,将模糊机制引入到DRX系统中,数据包的接收时延和数据包到达的速率为输入参数输入到模糊逻辑控制器中,对DRX系统的周期长度进行模糊处理,自适应性调整周期Tcycle时长。并通过仿真结果,对基于模糊逻辑算法的DRX系统和不同参数下的传统DRX系统的能效和时延性能进行分析研究,来证明该改进方案在能耗和时延这两个性能上优于固定参数的DRX系统。接下来,引入对多用户和信道机制的考量。分别通过系统负载的变化自适应算法调节DRX中On duration timer参数;通过信道变化自适应算法调节DRX中Inactivity timer参数。在多用户接入和复杂信道的情况下进行仿真,对该章节提出的改进自适应DRX系统和第二章节中基于模糊逻辑算法的DRX系统的能耗和吞吐量性能进行分析研究,结果表明该方案确实可以在多用户复杂信道的情况下,损失可控范围内的吞吐量,优化系统能耗利用。最后,结合引入了 5G NR下海量机器通信的情况,扩展业务流量模型。并在传统eDRX系统中引入了强化学习算法,以马尔科夫决策过程对这种随机优化问题进行优化,且应用的是收敛速度更快的基于对称扰动采样的Actor-critic算法。通过学习历史传输数据信息来预测流量业务模型,对当前流量模型下实施最优的DRX系统参数配置,在最大时延的容忍范围之内,将能效的提高最大化。通过仿真结果,分析研究能耗和时延性能具体的提高。