当今社会对无线通信业务的需求急剧增加,无线网络资源频谱逐渐匮乏,无线网络信道间的干扰日趋严重。认知网络的提出可以有效缓解这一问题,基于博弈的认知网络频谱分配算法正逐渐成为研究的热点。本研究主要面对资源分配场景,通过充分利用博弈论模型,结合具体布谷鸟智能搜索算法,实现频谱资源的高效动态均衡。本文的主要研究内容与成果如下:一、分析多认知网络频谱重构模型与场景,给出了相应模块与流程,通过构建多个代理商与多个接入用户之间的非合作博弈模型,进行干扰环境下的频谱资源分配研究。分析代理商与接入用户的博弈行为,分别设计双方的效用函数,结合实际场景理论推导与分析证明所提频谱交易模型存在唯一纳什均衡。基于所提频谱交易模型,设计基于价格的动态迭代算法进行交易模型的求解,实验仿真结果验证了所提算法模型的有效性。二、研究了启发式智能搜索算法—布谷鸟算法(CS),分析实际寻找最佳巢穴过程中CS所展现出的不足,针对原始算法在寻优过程的前中后期所展现的速度与精度问题,提出基于自适应步长因子的IMECS改进算法;将启发式智能搜索算法引入频谱资源分配模型中,利用其高效性对博弈问题进行求解。考虑单个代理商单一网络下多个接入用户博弈模型,引入置信度因子模拟干扰环境并参与接入用户收益计算,用来抑制某一用户在交易模型中可能存在的违规行为,给出接入用户具体的效益函数表达式,通过改进的IMECS算法求解博弈均衡。仿真结果表明,所提算法能够快速迭代至纳什均衡,获得交易模型的最优频谱分配策略,保证了系统资源分配的公平性与高效性。