徐 航，张达敏，王依柔，宋婷婷，樊 英

(贵州大学 大数据与信息工程学院，贵州 贵阳 550025)

0 引 言

随着当今通信技术的快速发展，超高速、超高容量的5G技术也将在几年内商业化，而无线通信业务的增加导致无线频谱资源稀缺的问题日益严重，而且当前频谱资源的使用率低，存在较多的频谱空洞[1]，为了解决这一问题，许多专家提出了认知无线电(cognitive radio，CR)[2]，而动态频谱分配则是认知无线技术中的焦点问题，其主要通过动态感知授权频谱当前的使用状态，从而达到最大化频谱利用率的目的。

在CR系统中，一般用来实现动态频谱分配的模型有博弈论模型[3]、干扰温度模型[4]、拍卖竞价模型[5]和图论着色模型[6]等，由于这些模型在优化系统效益和用户间公平性等方面有比较明显的缺陷，所以许多研究将智能优化算法用于优化该问题。文献[7]提出了一种基于改进二进制粒子群算法的频谱分配策略，对粒子速度公式进行离散化改进，但算法难以得到最优解。文献[8]提出了基于改进遗传算法的频谱分配策略，但改进遗传算法仍然容易早熟，而且收敛速度较慢。针对传统的优化算法存在的缺陷，而相关研究结果表明许多群体智能优化算法[9,10]在工程领域也有不错的实用效果，本文采用群体智能优化算法来解决上述问题。

本文在图论着色模型的基础上，提出一个改进二进制灰狼优化算法(improved binary grey wolf optimizer，BGWO)来优化认知无线电频谱分配问题，实验结果表明，本文的二进制灰狼优化算法能有效提高系统效益和认知用户接入公平性，这对优化认知无线电系统的性能具有重要的意义。……