随着通信技术的发展,人们对无线电频谱资源的需求日益强烈,为提高频谱利用率,认知无线电技术应运而生。认知无线电技术是指认知用户可以动态感知空闲频谱,并在保证不对授权用户造成干扰的前提下择机接入频谱进行通信的技术。频谱感知与频谱分配是认知无线技术的两个重要研究内容。本课题以频谱感知与分配的智能优化算法研究为核心,分别对认知网络的协同频谱感知和蜂窝异构网络的频谱分配问题进行了研究,提出了相应的智能优化算法。对于认知网络的协同频谱感知技术的研究,论文首先分析了认知网络模型,并以使系统获得较大的检测概率为目标,提出了适用于频谱感知问题的连续量子蛙跳算法。通过该算法为感知可靠度不同的认知用户赋予不同的权重,进行协同感知。该算法具备比传统智能算法更高的收敛精度和更快的收敛速度,可在相同的虚警概率下,使认知网络获得更大的检测概率。对于认知异构网络频谱分配技术,研究分为两部分：首先进行单目标优化问题的研究,将量子的概念引入粒子群算法,针对粒子演进过程中易陷入局部最优解的问题,提出了两种离散量子粒子群优化算法——多变量量子粒子群优化算法和混合量子粒子群优化算法,并将其应用于认知无线电频谱分配这一离散优化问题,其中,算法的每一个即为一种频谱分配方案；在此基础上,提出了多目标量子粒子群优化算法,解决了具有多个网络效益目标函数的频谱分配问题。本文提出的单目标量子粒子群优化算法具备比现有智能算法更高的收敛精度,可使网络获得更大的网络效益；本文提出的多目标量子粒子群优化算法实现了最大网络效益和最大比例公平网络效益的兼顾。