未来移动通信系统,系指下一代移动通信系统,动态资源分配技术是未来移动通信发展的关键技术之一,其目标是为了在小区间通信负荷分布不均、以及小区内信道衰落起伏变化的情况下,动态地分配可用频谱资源,从而最大限度地提高频谱利用率。本文重点研究了未来移动通信系统蜂窝小区间的频率(信道)资源分配,以及小区内多用户OFDM系统的子载波、比特、功率的联合分配问题,这一类问题均为典型的NP(Nondeterministic Polynomial)完全问题(NP-Complete,也称NP-hard问题),其计算复杂度随着求解问题对象数的增加,呈现“指数爆炸”(呈指数级增加)。对于移动通信动态资源分配这类NP完全问题,现有的求解方案,有随机模拟退火算法、遗传算法、组合进化策略、禁忌搜索算法,神经网络算法等等。其中神经网络算法可以采用全硬件实现(无需任何软件),理论上的计算时间可以达到电路级时间常数(纳杪级),这个计算速度是目丽很多其他优化算法都无法比拟的,非常适合移动通信系统的实时性要求,而且神经网络利用神经元的大量并行操作,计算时间不会随着求解问题对象数的增加呈“指数爆炸”。近年来,国内外对神经网络优化算法的研究成果中,以噪声混沌神经网络(Noisy Chaotic Neural Network,NCNN)的性能最为优越,以10个城市的经典旅行商问题(Traveling Salesman Problem,TSP)为例,NCNN对最优解的寻优效率高达99.4%。因此,本文采用NCNN来解决未来移动通信系统的动态资源分配问题。本文的主要研究工作及贡献体现在如下四个方面：1)小规模蜂窝网的动态信道分配(Dynamic Channel Assignment,DCA)算法。研究了国内外现有的移动通信系统DCA算法能量函数的不足之处,提出了一种新的DCA能量函数(也称代价函数),该能量函数不仅考虑了传统DCA算法的三大约束条件(同场地约束,临道约束,同道约束)、各小区信道需求数,而且压缩了整个蜂窝网的频率需求总数,即采用了最少的频率总数,提高了频谱利用率。此外,新的能量函数还避开了传统能量函数所采用的小区兼容矩阵,从而使能量函数的各个惩罚参数的调节具有更大的灵活性。2)大规模蜂窝网的DCA算法。根据现有文献的广泛调研,国内外现有的DCA算法均只考虑了小规模蜂窝网,其小区数目最多没有超过100个,对于大规模蜂窝网的DCA算法,则一直是国际上的研究空白。而实际的蜂窝网却都是大规模的,小区数目成千上万。因此,欲使DCA算法真正由理论走向工程实践,就必须解决大规模蜂窝网的DCA问题。在此背景下,本文采用NCNN,提出了一种大规模蜂窝网的DCA算法。该算法首先将大规模蜂窝网分割成多个小规模的分布式蜂窝子网,然后提出了一种改进的能量函数,通过构造子网间的干扰信道表,避开了相邻子网间的相互干扰,以及每个子网内小区间的相互干扰,最后在每个蜂窝子网内独立地运行DCA程序,从而使NCNN的性能保持与小规模蜂窝网中的同等水平。3)认知无线电蜂窝网(Cognitive Radio Cellular Network,CRCN)的动态频率分配(Dynamic Spectrum Allocation,DSA)算法。国内外现有的认知无线电DSA技术,普遍集中在Ad hoc网、Mesh网等分布式网络结构。而对于吞吐量更大,技术更成熟的CRCN,则由于每个小区的可用频率不再像普通蜂窝网那样固定不变(随时可能被主用户占用),如何为CRCN的每个小区分配可用频率,并避开对主用户的干扰、以及CRCN小区间的相互干扰,国内外现有的研究成果中,对此问题一直悬而未解。本文采用大规模蜂窝网DCA算法的能量函数,提出了一种新的DSA算法,该算法根据主用户的占用频率信息,给CRCN的每个小区构造了一个干扰频率表,从而使CRCN能像普通蜂窝网那样进行动态频率分配,并避开了对主用户的干扰、以及小区间的相互干扰。此外,该算法还通过锁定每个小区最低编号的频率,使每个小区能够长时间相对固定地分配一个频率,作为本小区的公共控制信道,便于基站对小区内认知用户的调度和管理。4)小区内多用户OFDM系统的动态子载波、比特、功率联合分配算法。国内外现有的算法,按其优化目标可以分为两大类,一是基站发射功率最小化,即MA优化；二是吞吐量最大化,即RA优化。由于RA优化可以通过迭代的MA优化来实现,所以本文重点研究了MA优化。现有的MA优化算法普遍存在的问题,是算法的效率不够高,不能很好地满足移动通信系统的实时性要求。本文采用NCNN,提出了一种新的MA优化算法的能量函数,解决了小区内多用户OFDM系统的动态资源分配问题。相比国内外现有的算法,本文算法具有更高的效率和性能,可较好地满足移动通信系统的实时性要求。