随着无线通信技术的迅猛发展,各种无线技术不断出现,下一代无线网络将会是多种无线接入技术共同组成,可以提供多种接入方式、支持终端无缝、透明漫游的异构无线网络。在异构无线网络中,如何保证用户合理、准确地切换到最佳网络,成为学术界研究的热点问题。当前基于人工智能算法的垂直切换判决算法,提高了系统性能,但同时也增加了系统的复杂度,进而影响了用户体验。本文以提升垂直切换中用户体验为目标,首先结合业务类型提出一种基于人工神经网络的自适应垂直切换算法,其次,结合网络端和用户端,提出一种基于模糊逻辑的分级垂直切换算法。两者均对算法的复杂度进行了优化,降低了时间开销,从而提升了用户体验。本文主要工作如下:1.针对当前基于人工神经网络的垂直切换算法,存在业务自适应性差和计算复杂度高的问题,提出一种基于人工神经网络的自适应垂直切换算法。其主要思想是:首先根据终端获取到的接收信号强度,采用阈值判断的方法,遴选出候选网络集;其次,根据不同业务类型对参数进行自适应选择和归一化;再次,把选择的参数输入人工神经网络,判决出候选网络集中最佳的接入网络。最后,实验结果表明,该算法能根据用户的业务类型合理地选择切换网络,满足终端不同业务的需求,降低切换阻塞率,提高网络总吞吐量,同时降低算法的时间复杂度。2.针对综合考虑网络端和用户端参数的垂直切换算法,参数权重难以确定,同时基于模糊逻辑的垂直切换算法存在复杂度高的问题,提出一种基于模糊逻辑的分级垂直切换算法。其主要思想是:首先将接收信号强度、带宽、时延输入到一级模糊逻辑系统,结合规则自适应匹配,推理出QoS模糊值,并通过QoS模糊值对网络进行初步筛选得到候选网络集;然后通过触发机制触发二级模糊逻辑系统,并将候选网络的QoS模糊值、网络负载率、用户接入费用输入二级模糊逻辑系统,同时结合规则自适应配,得到输出判决值,从而选择最佳接入网络。最后,实验结果表明,该算法能保证网络性能和用户满意度的同时,降低系统的时间开销。