随着无线通信业务的快速发展,人们对频谱的需求越来越大,有限的频谱资源变得严重不足,认知无线电频谱分配技术是解决这一难题的有效手段,但还是难以满足用户对频谱的需求。大量的研究结果表明,频谱资源匮乏问题很大程度上是由于对不同无线接入技术的频谱分配不合理引起的。因此,通过对频谱分配模型的优化和算法研究来提高频谱资源分配质量尤为重要。为了提高频谱资源分配质量及网络效益和用户频谱分配公平性,本文针对传统拟态物理学算法存在的问题从三个方面进行了改进,并将拟态物理学优化算法结合图论模型应用在频谱分配中,具体如下:(1)传统的拟态物理学优化算法在频谱分配中并没有考虑频谱分配公平性问题,更注重的是网络总体效益。针对这一问题,本文在微粒修正方案中引入图论模型中的频谱可用率矩阵P。当两个认知用户同时竞争频谱产生干扰不知道该如何分配频谱的使用权,这时,判断两个用户对频谱的需求程度,将频谱分配给可用率大的用户。仿真结果表明,达到算法终止条件时,公平性较传统算法提升10%左右。(2)传统的拟态物理学优化算法采用固定的作用力计算方法,不利于种群收敛至全局最优解,并且收敛速度慢,稳定性差。本文在原作用力规则基础上引入距离参数,调节微粒间的受力情况,增强全局搜索能力。最终通过对四种函数仿真分析,验证了当距离参数设定为0.01时,收敛速度最快,稳定性最好。(3)传统的拟态物理学优化算法初始化种群多样性差,且引力参数选取的是固定值,导致算法易陷入局部最优,对网络性能提升有限。本文将混沌搜索技术与拟态物理学优化算法结合,采用Tent映射初始化物理个体,并将引力参数与种群规模和惯性权重系数结合,设计一种自适应引力参数,动态调节微粒的运动。仿真结果表明:改进后算法应用在频谱分配中的网络收益和平均最大化网络收益相比传统算法均有所提升。