异构网络是5G　蜂窝网络的重要组成部分,在异构网络中放置微基站是提升5G　蜂窝网络覆盖范围和容量的有效手段。然而,在宏微基站的异构网络体系结构中,共层和跨层干扰都是影响网络性能的因素。因此异构网络面临的主要问题是网络中宏微基站的负载平衡以及干扰协调,这需要通过网络中用户的关联和网络自身的资源分配来解决。结合现实场景搭建移动用户宏微基站异构模型,提出了一种具有捕捉移动用户能力的强化学习的模型,同时结合能效这一指标实现网络资源最优分配。此外训练过程中采用Actor-Critic　网络(asynchronous　advantage　Actor-Critic,A3C)来提高代理的收敛性。仿真结果表明,该方法可以有效地针对不同用户的分布和移动对网络资源进行分配,使得能效达到最大。