本文主要针对无线泛在网络中的自适应优化问题进行研究。在分析无线泛在网络的架构、需求和特点的基础上,以提高网络性能、增强网络自适应性为目标,分别从数据分析、模式识别、信息论和控制论出发,在不同的层次上对无线泛在网络中的自适应优化问题进行研究,并形成了具体的优化方案。相关研究对于无线泛在网络未来的应用和发展具有重要的理论和实际意义。本文首先基于环境感知技术研究了无线泛在网络中自适应优化的方法。在无线泛在网络中,存在着大量的数据,有效利用这些数据中的信息将对网络性能产生极大提升。本文提出采用小波分析中的多分辨分析对信号进行处理从而实现环境感知的算法,并以此为基础提升了切换过程的准确性；接着研究了通过利用滤波器上的数据实现更精确的接入选择的机制。最后,针对网络环境的时变特性,提出了一种通过对历史数据分析来获得影响网络性能的因素并估计其重要性的算法。仿真表明,通过对网络中数据更有效的利用,将可以在不增加额外设备的条件下提升无线泛在网络的可靠性和自适应性。为了更好通过环境感知实现自适应优化,无线泛在网络需要处理形如“好”、“坏”、“正常”、“异常”等抽象的概念信息,并基于这些信息对优化过程进行决策。本文基于模式识别的思想,首先以切换过程为例,分析了对网络中“正常”和“异常”状态判断的方法,并给出了调整切换参数的决策方法；接着对业务的QoS参数是否满足业务需求的标准进行了探讨；最后,提出了一种新的、更合理的评价用户体验的方法。理论分析和仿真表明,模式识别技术可以有效地提高无线泛在网络对于信息的获取和处理能力,从而保证网络自适应优化过程的准确和有效。继而,本文在研究环境感知的基础上,从更高的层次,对信息与系统性能的关系进行了探讨,并基于信息论提出了优化系统性能的具体方案。本文从信息论中的基本概念出发,首先基于Fanbo不等式提出了降低信息传递中信息损失的方法；接着,研究了信息中的不确定性对通信过程性能的影响,并在此基础上提出了采用随机算法提高系统性能的机制。最后,本文从Kolmogorov复杂度的概念出发,提出了信息熵与计算复杂度的关系,并给出一种通过独立成分分析提高计算效率的方法。更为宏观的讲,无线泛在网络是一个复杂的动力系统,为了保证这样一个复杂系统运行中的可靠性,使得系统状态的变化过程达到最优,就需要不断进行控制。本文基于控制论的思想,采用变分法和泛函分析研究了无线泛在网络中两种典型的功率控制问题,提出了不同情况下的最优控制方法。最后,基于极小值原理提出了最优的TCP传输控制机制,实现了系统的自适应优化。本文从多个角度对无线泛在网络中的自适应优化过程进行了研究,为无线泛在网络技术的应用和发展提供了支持。本文的研究思路也将对其它领域研究提供一定的启发。