随着无线通信的不断发展和进步,以及无线终端的普及,就需要越来越多的无线频谱资源,但是,可以使用的无线频谱资源数量是一定的,为了满足频谱资源的需求,就要对当前的频谱使用方式进行变革。针对无线频谱的使用背景,认知无线网络技术应运而生,认知用户对频谱进行感知,得到可用频谱资源;在对主用户不干扰时,系统将频谱分配给认知用户。认知无线网络频谱分配是为改善频谱资源的利用率,实现网络整体性能最优而提出,即频谱分配使得用户公平性和网络效益最优。因而,认知无线网络频谱分配与组合优化问题类似,可以使用求解NP难问题的群智能优化算法进行求解。首先,对认知无线网络和群智能优化算法进行钻研。了解认知无线网络关键技术及其研究现状,对频谱分配技术进行深入研究,对比分析频谱分配的博弈论模型、拍卖竞价模型、干扰温度模型和图论着色模型;对群智能优化算法中的果蝇优化算法和人工蜂群算法进行深入研究,分析其进行频谱分配的可行性,确定群智能优化算法进行频谱分配的优化目标。然后,利用量子果蝇优化算法进行频谱分配。在果蝇优化算法中引入量子化概念,将其转化为量子果蝇优化算法;利用选择、交叉、变异操作改进量子果蝇优化算法,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;利用改进量子果蝇优化算法寻优频谱分配可行解对应的量子序列,寻求最优的网络效益和用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的量子果蝇优化算法收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。最后,在量子果蝇优化算法进行频谱分配的基础上,将量子人工蜂群/果蝇优化融合算法应用到频谱分配中。将网络效益和用户公平性结合,得到新的频谱分配目标函数;将人工蜂群算法和果蝇优化算法进行融合,该算法既吸收了人工蜂群算法的全局寻优能力强的优点,又保留了果蝇优化算法局部搜索能力强的特点;引入自适应概念,对果蝇步长进行控制,提高种群多样性,同时,进行量子化处理,利用量子人工蜂群/果蝇优化融合算法进行频谱分配。仿真实验对新的频谱分配目标函数进行了验证,并证明了量子人工蜂群/果蝇优化融合算法进行频谱分配的优越性,不仅寻优能力增强,而且求得的频谱分配策略网络整体性能进一步提高。