5G技术的全面部署使得我国物联网（Internet of Things,Io T）技术的战略地位下沉至重要基建,同时,智能终端设备大规模的普及、万物互联（Internet of Everything,Io E）时代下移动通信业务的激增都给当前的网络架构带来了巨大的流量压力,因此,未来无线通信网络将更加重视广连接、高速率和低时延。而设备到设备（Device-to-Device,D2D）通信恰巧能为解决大规模密集终端接入情形的网络发展瓶颈提供助力,D2D通信允许邻近的移动设备之间跨过基站直接进行信息交换,具有提高频谱效率、缓解核心网流量负载、降低端到端时延等优势,且引入D2D中继还能扩大网络的覆盖范围。然而,D2D用户在复用蜂窝网络授权频谱资源时,也会给蜂窝用户带来同信道干扰,因此,需要设计合理高效的资源分配方案以协调干扰带来的负面影响,进而更好的提升网络性能。随着移动通信发展起来的移动社交网络对人类社会行为形成了重大影响,挖掘其中的数据信息用于通信研究已成为热点话题。基于上述背景,本文主要研究了在基于蜂窝网络的D2D通信中,在移动中继辅助下如何进行D2D功率分配、中继选择和模式选择的联合优化问题,具体创新性工作如下:1.针对基于移动中继辅助的D2D通信资源分配问题,提出了一种混合移动模型,该模型包含高斯-马尔科夫（GMMM）和社交关联度（SRMM）两种移动模式,从而融合了用户个体的随机性和在社交网络中的群组趋向性。在保证网络内所有用户的基本通信服务质量（Quality of Service,Qo S）的前提下,基于此模型研究了移动中继下的D2D功率分配、中继选择及模式选择方案。为了降低系统复杂度,该方案首先依据社交关系筛选备选中继集,之后采用基于鲸鱼优化（Whale Optimization Algorithm,WOA）的功率分配算法求解最佳功率,并采取匈牙利算法处理中继选择过程,最后利用基于能量效率的模式选择策略确定通信模式。通过仿真表明了社交关系对系统性能的积极影响,且该方案在系统能量效率方面有着不错的效果。2.针对基于混合移动模型下D2D通信的资源分配问题,探究了飞蛾火焰优化（Moth-Flame Optimization,MFO）、灰狼优化（Grey Wolf Optimizer,GWO）、蚁狮优化（Ant Lion Optimizer,ALO）这三种群体智能优化算法在D2D功率分配方面的应用,之前尚未有用这三种算法处理D2D通信问题的研究。以系统内D2D用户总体能效和为目标函数,通过对群体智能优化算法中的种群规模、变量维度以及收敛性这三个重要参数的仿真,得到了算法性能表现更稳定的ALO算法,相较于本文第三章基于WOA的功率控制算法,ALO算法能进一步提高系统的能量效率,更适合移动中继下D2D资源分配场景,并验证了其优越的全局寻优能力。