OFDMA是在OFDM基础上发展起来的一种无线接入方式,它的资源分配机制非常灵活,可根据用户业务量的大小动态分配子信道的数量,现已成为无线通信系统的关键技术。其中,OFDMA系统中的资源分配问题越来越得到人们的关注。为此,基于OFDMA系统的自适应资源分配算法相继出现,如基于经典的贪婪算法的子载波分配算法,基于效用函数的自适应资源分配算法,基于遗传算法的资源分配算法等基于物理层和基于物理层与MAC层的跨层资源分配算法。这些资源分配算法从不同角度对现有算法进行了有效改进,取得了一定的成果和进展,但仍存在计算量大,不易实现,频谱利用率低的缺点。因此,基于OFDMA系统的资源分配问题仍是目前的研究热点。而基于智能优化算法的资源分配算法也成为其中的一个重要研究方向。本文在深入研究分析当前自适应资源分配算法的基础上,分别应用智能优化算法中的粒子群算法和自适应遗传算法对现有的基于物理层的自适应子载波分配算法和基于物理层与MAC层的跨层资源分配算法进行改进,来进一步提高OFDMA系统的频谱利用率及系统容量等性能。本文首先提出了基于粒子群算法的自适应子载波分配算法。算法利用粒子群算法参数少、收敛速度快、全局寻优能力强等特点解决基于物理层的子载波优化分配问题。在进行资源分配的过程中,算法充分考虑用户间的公平性,根据用户要发送信息量的大小,分配相应的子载波个数,并根据每个用户在每个子载波上的信道衰落状况寻找一组最优的子载波分配方案,以使整个系统所需的发射功率最小。仿真结果表明,在发送数据速率和误码率一定的条件下,本文提出的改进算法能更快、更有效的自适应分配子载波,减小整个系统所需的发射功率。其次,针对基于物理层与MAC层的跨层资源分配算法的缺点和不足,又提出了基于自适应遗传算法的跨层资源分配算法,并以整个系统所有用户发送的比特信息之和作为系统的效用函数,利用该算法在保证群体多样性的同时可提高全局搜索能力解决跨层资源优化分配问题。为保证用户间的公平性,算法将影响系统性能的用户列队状态信息及信道状态信息等重要指标作为参考依据以产生优秀的子载波分配方案,从而为各个用户分配相应的子载波集合。同时,为避免算法陷入局部最优,通过自适应交叉概率和变异概率对初始子载波分配方案进行遗传操作,以寻求最优的资源分配方案。仿真结果表明,在保证用户间公平性的前提下,本文提出的改进算法最大限度的提高了系统的频谱利用率及吞吐量,且减小了用户的平均等待时延,满足了用户的QoS要求。