动态频谱分配算法是认知无线电网络(Cognitive Radio Network)的关键技术之一。现有的频谱分配算法大都以最大化系统频谱效益为目标,并没有从减少频谱切换次数的角度出发,然而过多的频谱切换会增加节点能量消耗,而且会增加中断概率、切换延迟、丢包率等,将使整个系统性能下降。现有的算法也没有考虑到信道本身的切换性能,不同的信道处于空闲状态的时间长度并不一样。不同的用户在不同的时间段里面需求的时间长度也不一样。如果仅仅随机分配可用频谱,会导致很多不必要的频谱切换和频谱资源的浪费。针对这两个问题,本文提出了两个相应的解决算法,本文的主要工作如下:1.本文首先提出了一个基于多目标遗传算法的频谱分配算法。该算法是对传统遗传算法的改进,以最大化系统频谱效益和最小化频谱切换次数为目标,将问题的解映射成染色体的形式,然后按照适者生存的原则,在种群中选择出较适应环境的染色体进行复制,再通过交叉、变异的方法,一代又一代的进化,最后得到最适应环境的染色体,找到问题的最优解。这种算法在获得较高的频谱利用率的同时,有效的减少了频谱切换次数。2.然后提出了一种基于信道特性与节点数据的频谱分配算法。本文首先利用马尔科夫链的模型预测了信道状态,并计算出空闲期望。然后通过着色图论的机制从所有可用频谱里面选择空闲期望最合适的信道分配给认知用户,从而实现既减少频谱切换次数,又保持较高的频谱利用率和公平性的目的。