认知网络节点具有自学习能力和推理能力,能够感知并且适应复杂和动态变化的网络环境,优化端端性能,实现高效利用网络资源的目标.本文提出了一种基于Agent技术的认知网络节点模型,研究了其认知循环、基本架构和形式化描述,并分析了模型的认知选择机制. 混合节点模型Node_AB定义了Agent能够感知的外部环境、动作决策原则以及能够采取的自主行为、交互行为和行为特征。模型认知层通过内部的认知状态进行思考和目标一手段推理机制来实现节点自主的行为决策，显现出自发的行为特征;知识层根据推理规则对逻辑公式进行推理来实现节点的行为决策，具有一定的自主能力;反应层内部没有部件用于记录环境和用户节点的历史信息，对环境信息做直接响应，展示出有限的行为灵活性特征。 这种分层次的不同动作选择机制充分体现出认知网络节点的异质性、所具有的不同认知能力和不同的认知需求。在认知网络中，节点通过多种方式交互各自所获取的感知信息，当网络规模较大，尤其在异构网络环境中，很难同步地进行感知信息的更新，不同认知节点对网络状态的认识有可能不同，进而会导致路由算法的震荡等问题，在实现过程中需慎重处理。