在5G的时代背景下,随着人工智能、云服务等技术的成熟发展以及网络流量的“爆炸式”需求,导致频谱资源高利用率的提升成为无线通信方向研究的重要课题。认知无线电(Cognitive Radios,CR)因网络节点具有观察、决策和学习能力,可检测空闲频谱资源,因此成为了解决频谱短缺的新技术。然而,现有的静态频谱分配缺乏灵活性会导致频谱资源大量浪费以及出现频谱分配不均衡的问题,而动态频谱分配技术可以打破固定化分配频谱的模式,因此,在保证授权用户即主用户(Primary User,PU)正常通信的前提下,为次用户(Secondary User,SU)提供空闲频谱实现频谱的二次利用,本文在动态频谱分配技术的研究基础上,采用图着色理论为频谱分配模型对资源进行划分,之后采用改进后的人工鱼群算法对认知无线电频谱进行分配,得出最优频谱分配方案,实现系统网络效益最大化。本文研究的主要内容如下:针对基于图论模型下认知无线电频谱分配研究中常用算法出现的全局搜索能力差、精确度低以及收敛慢的共性问题,本文提出了疯狂自适应的人工鱼群算法并应用于频谱分配问题的解决。(1)首先在图着色理论的基础上对已知的认知无线网络生成拓扑图,并根据拓扑图得到可用频谱矩阵;(2)其次根据可用频谱矩阵对人工鱼群个体进行编码处理,利用改进后的自适应调整视野和步长完成局部寻优过程,当鱼群个体陷入局部最优时,在随机行为下引入疯狂算子产生扰动增加种群多样性,实现全局最优。在适应度值计算过程中,鱼群个体会得到解向量并映射到频谱分配矩阵中;(3)最后将鱼群个体包含的频谱分配矩阵结合效益矩阵求得适应度的值,通过公告栏的不断更新得到网络效益值最大化的频谱分配方案。(4)仿真实验内容包括算法参数的仿真分析、改进后算法的性能测试以及对本文提出的频谱分配的最优解挖掘能力的测试。结果表明,本文所改进的疯狂自适应人工鱼群算法鲁棒性较高,与遗传算法、粒子群算法以及改进前的算法进行对比分析,改进后的算法所得到的系统效益值最先趋于稳定其值最优化。