本发明提供了一种基于神经网络的超密集异构网络负载均衡优化方法,将ART2型神经网络和基于代价的分布式方法相结合的低复杂度超密集异构网络下行用户连接方法,联合调整所有小站的代价偏置值,解决超密集异构网中的负载均衡问题。本发明采用ART2型神经网络的分类设置初始值,可以大大降低迭代次数和计算复杂度,能提高基站边缘和中间的用户的吞吐量率,自动的均衡跨层和同层之间基站的负载,进一步显著降低负载均衡迭代方法的迭代次数,更加适应快速复杂多变的实际情况。