1.一种异构密集网络中容量与覆盖联合优化方法，其特征在于，包括以下步骤：

a、移动用户终端获取服务基站的接收信号强度和干扰基站的接收信号强度并进行信干噪比SINR的计算： 其中RSRPs为服务基站接收信号强度，RSRPi为干扰基站接收信号强度，n为干扰小区个数，n0为噪声；周期性的上报下行信道质量指示CQI；

b、密集小蜂窝基站在调整周期内进行小区平均频谱效率和边缘频谱效率的统计，按权重进行网络状态质量指标的衡量，衡量公式为SQ＝SEcenter+w SEedge，其中SQ为网络状态质量指标，SEcenter为小区平均频谱效率，SEedge为边缘频谱效率，w为权重因子；

c、获取邻小区的网络状态质量指标，在模糊逻辑Q学习算法中以多智能体Agent合作的方式评价网络整体状态质量，作为智能体Agent单步调整好坏的评价指标，用来计算瞬时奖赏值；

d、对密集小蜂窝功率，将平均频谱效率和边缘频谱效率作为模糊逻辑Q学习系统的输入值进行模糊化处理，形成模糊规则，初始化状态动作Q值表，根据e-greedy策略对每条激活了的规则进行动作选择，采用加权和方式进行去模糊化处理，输出调整值；

e、根据输出调整值进行小蜂窝功率的自适应的调整，进入下一个调整周期的网络整体状态质量的衡量；

f、在一个调整粒度到期时，结合步骤c评价多Agent合作方式下的瞬时奖赏值，进行模糊逻辑规则下的状态动作的Q值表的更新，然后按步骤d所述的e-greedy策略进行动作选择，进行重复的功率自适应调整过程，直至收敛到设定网络容量与覆盖联合优化调整状态。

2.根据权利要求1所述的异构密集网络中容量与覆盖联合优化方法，其特征在于，在步骤a中，移动用户终端获取服务基站的接收信号强度和干扰基站的接收信号强度并进行信干噪比SINR的计算的公式为 其中RSRPs为服务基站接收信号强度，RSRPi为干扰基站接收信号强度，n为干扰小区个数，n0为噪声；周期性的进行下行信道指示CQI的上报。

3.根据权利要求1或2所述的异构密集网络中容量与覆盖联合优化方法，其特征在于，在步骤b中，密集小蜂窝基站在200ms的调整周期内将每个用户在每个子帧内上报的CQI映射为频谱效率，按从小到大的顺序进行存储统计，调整粒度到期时，遍历存储统计单元缓存区，找出对应的5％用户的边缘频谱效率和50％用户平均频谱效率，以权重w＝2按公式将作为单个小蜂窝的网络状态质量的评价指标，其中，w为边缘频谱效率相比于平均频谱效率在网络状态质量中的权重因子。

4.根据权利要求3所述的异构密集网络中容量与覆盖联合优化方法，其特征在于，在步骤c中，以分布式方式存在各个网元单元中的Agent以合作的方式获取邻区列表中的小区中的邻小区网络状态质量SQ，以 来计算计算需要考虑的网络整体平均状态质量SQavg，后续用来计算瞬时奖赏值，其中N为邻小区个数，c表示邻小区编号。

5.根据权利要求4所述的异构密集网络中容量与覆盖联合优化方法，其特征在于，步骤d具体为：将密集小蜂窝功率模糊化为低、中、高三个模糊标识，将小蜂窝平均频谱效率模糊化为低、中、高三个模糊标识，将小蜂窝边缘频谱效率模糊化为低、中、高三个模糊标识，从而形成3*3*3＝27个模糊规则，将输出调整值模糊化为减小、微减、不变、微增、增加五个模糊标识，初始化每条规则对应的调整动作的Q值评估函数表，将i条模糊规则作为模糊逻辑Q学习控制器FQLC的输入变量，根据模糊规则和隶属度函数，确定当前输入向量所对应的每条规则的真实度Si(k)，其中Si(k)表示连续域的输入变量S进行模糊化处理后对应的第i条规则中第k个模糊标识对应的隶属函数真实度，然后，对每条激活了的模糊规则即模糊规则的真实度非零值，按探索/利用的e-greedy贪心策略进行调整的动作选择，即：按概率进行利用的调整的动作选择；按概率进行探索的调整的动作选择；最后，根据模糊逻辑系统进行去模糊化处理，输出连续域的功率调整值，同时，评价估计当前状态动作对的Q值函数。

6.根据权利要求5所述的异构密集网络中容量与覆盖联合优化方法，其特征在于，在步骤f中，在一个调整粒度200ms到期时，智能体Agent以合作的方式评价联合瞬时奖赏值作为上一次调整好坏的瞬时评判指标，计算当前时刻的值函数，利用当前状态值函数和折扣因子计算与上一时刻Q函数的差值，采用梯度下降的方法来更新模糊规则状态动作的q值表：然后根据更新的q值表进行e-greedy动作选择，重复上述过程，直至收敛到理想的网络容量与覆盖联合优化调整状态。