认知无线电技术是解决频谱利用率低的有效方法。频谱分配作为认知无线电的关键技术之一,影响着频谱共享的合理性和有效性。基于图论的频谱分配可看成一个NP-hard优化问题,智能优化算法能够有效解决此类问题。本课题对引入的两种智能优化算法进行改进,在提高频谱利用率的同时,减少计算时间并兼顾频谱分配的公平性。人工蜂群算法因其具有良好的优化性能被应用于频谱分配问题中。但由于搜索策略的单一性和缺乏导向性等问题,导致其计算时间过长,容易陷入早熟等缺陷。从频谱分配算法设计的角度,主要进行如下几方面改进:(1)对当前离散人工蜂群算法仅采用单维更新的搜索策略进行分析,引入分阶段的种群更新策略。在搜索初期,采用全维更新策略加快对初始种群的优化速度;在搜索后期,采用单维更新策略进一步提高解的质量;(2)分析发现频谱分配问题具有解参数取值为1时才能够增加网络效益的特点。当前离散人工蜂群算法中更新维度随机选择,缺乏导向性和有效性。本文采用在后期进行单维更新时,仅对取值为0的维度更新,增加算法的有向性和有效性。差分进化算法具有收敛速度较快,灵活性较高等优点,但其在应用于频谱分配问题中存在收敛精度不高等缺点,本文从以下几个方面予以改进:(1)针对差分进化算法在频谱分配问题的应用中开发能力不足的缺陷,提出向全局最优解学习的变异算子来提高算法的开发能力,提高解的质量;(2)针对差分进化算法不能直接应用于离散域的问题,引入含亲1特性的二进制编码,增强算法在编码映射过程中的导向性和有效性,进一步提高算法性能;(3)为了更好地适应种群的搜索需求,平衡算法的开发能力和探索能力,提出一种随迭代次数非线性变化的自适应交叉因子,使得算法在搜索前期具有较好的全局搜索能力,而在算法后期加强局部搜索能力,提高算法的收敛速度和精度。对本文改进的两种频谱分配算法与其他算法进行仿真对比,结果表明本文算法具有更好的算法性能,其中改进后的自适应差分进化频谱分配算法,结合多目标频谱分配模型,能够在提高频谱利用率的情况下兼顾系统的公平性。