随着通信技术的发展,各种各样的异构无线网络相互重叠覆盖,它们各有所长,能够为用户提供各种各样的服务。在这个不断发展的电信行业,移动智能终端变得越来越实惠与强大,没有任何一种单一的网络技术能够满足数据爆炸性增长,因此多种无线接入技术共存成为必要。在这种情况下,如何设计一个智能、高效的网络选择算法成为无线通信领域研究重点。本文针对用户需求及网络环境的动态变化的场景,提出了基于AHP和相似度的网络选择算法;将机器学习与网络选择相结合,提出了基于决策树的网络选择算法;结合多属性决策和遗传算法提出了一种基于加权GRA和遗传算法的网络接入决策算法。本文主要研究内容如下:(1)提出了一种基于AHP和相似度的网络决策算法。该算法根据业务特点为每种业务赋予不同的判断矩阵,用AHP算法求出每种业务下的网络属性权重;考虑到用户需求及网络环境的动态变化,为衡量用户需求与网络属性的相符程度,推导了一种基于Lance距离的属性相似度计算公式,以计算用户需求与网络属性之间的相似度,并加权得到用户需求与网络的总相似度,选择相似度最大的网络进行接入。仿真结果表明,在三种业务下,本文提出的算法都可以有效针对用户业务需求,提高用户服务质量。(2)提出了一种基于决策树的网络选择算法。首先从协同算法获得训练数据,以该训练数据作为训练集,网络属性作为属性集,将连续属性通过二分法离散化处理,选择可以使信息增益最大的属性作为划分特征,不断递归选择划分属性,最终得到一颗泛化能力强的决策树,以此作为决策依据进行网络接入选择,算法简单有效,仿真结果表明,在三种业务下,本论文提出的算法可以有效提高用户服务质量,且该算法简单有效复杂度低。(3)提出了一种基于加权GRA和遗传算法的网络接入策略。它首先利用AHP层次分析法对网络选择问题建立递阶层次结构,通过判断矩阵求得网络属性的主观权重。接着使用遗传算法来调整该主观权重,基于灰色关联分析法定义遗传算法中的适应度函数,将遗传算法中的选择算子、交叉算子和变异算子调整权重,得到适应度最大的网络作为目标网络,可以有效提升用户服务质量。