在第五代无线系统（5G）中,毫米波（mm Wave）频谱因其丰富的频谱资源而被广泛应用。然而,毫米波频段的信号由于频率极高,路径损耗严重,容易被障碍物阻塞,大大降低了传输质量和连接可靠性。为了克服这个问题,mm Wave网络往往采用超密集部署,进而采用多连接的用户关联方式,即允许毫米波网络中的用户与多个毫米波基站（m BSs）相关联。对于多连接的用户关联来说,有两个基本的挑战:一是最优的用户关联,即需要确定用户应该连接的最合适的m BSs;二是每个连接的最优功率分配。鉴于此,本文针对超密集毫米波网络的用户多关联和最优下行功率分配,开展了如下方面的工作:1.本文建立了多连接的用户关联及其功率分配的联合优化模型。与现有的大多数工作不同,本文不仅要优化整体能效,还充分考虑到了用户服务质量公平和系统流量均衡。具体而言,上述优化问题的优化目标有三方面,即最大限度地提高整体能效,同时在Qo S约束下,分别平衡所有用户的可达速率和所有m BSs的负载速率。这是一个多目标优化问题（Multi-objective optimization problems,MOPs）。2.用户关联与基站功率分配的联合优化问题混合了整数规划,是一个多目标且NP-hard问题。本文提出了一种新颖的多目标哈里斯鹰算法（multi-objective Harris Hawk Optimization,MOHHO）求解近似最优解。算法采用快速非支配排序方法进行归档,以及基于参考点选择方法使得种群具有更好的的均匀分布性。为了加快算法收敛速度以及跳出局部最优,算法同时引入逻辑混沌序列对种群进行扰动。本文通过31个多目标基准函数与其他常见的多目标算法,对比反世代距离（IGD）的均值和方差,实验结果验证了MOHHO得到的解的收敛性、精准性和多样性最佳。此外,本文章用户多关联与下行功率分配通信应用场景具有超多决策变量的特征,决策变量个数随着用户数量与基站数量增长呈现相应倍数的增长。故本文将31个基准函数的决策变量扩展到一千维度,对比IGD指标以及数据差异的显著性检验。实验结果表明本文提出的MOHHO算法在收敛性、多样性、精准性上依然优于其它对比算法。3.通过上述建立的数学模型,使用本文提出的MOHHO算法联合优化用户关联与下行功率分配问题,实现系统能效最大化、用户服务质量平衡和毫米波基站服务平衡这个三个目标。最后基于MOHHO算法的应用场景仿真结果表明,该方法能够在超密集毫米波网络中同时实现最优的用户多关联和功率分配,并实现能源效率公平折衷。