1.基于改进小生境遗传的认知无线网络频谱分配方法，其特征是通过可用频谱分配、干扰分配、频谱分配效益结合负载和信噪比来得出频谱分配总效益，来构建改进遗传算法的适应度函数，以二级用户分配频谱作为一个个体，所有的分配可能性作为种群，所分配的频谱为它的基因型，通过选择、交叉、变异、淘汰操作得出最优的频谱分配方案；所述进行频谱分配的具体步骤为：步骤1：可用频谱集合J{a、b、c、d……j}

表示频谱不可使用， 表示频谱可用；

步骤2：干扰分配概率集合

t

是干扰分配概率，Itf＝1表示存在干扰，Itf＝0表示不存在干扰， 中e 表示时间影2

响因子随时间的变化而变化，Sl表示与距离的大小有关，ω0为定值，θ为权重因子，用于调2

控信噪比与负载的影响比例，信噪比 和负载Rd也会影响分配概率；

步骤3：频谱分配效益集合

Fbef可用于效益值的判断，其中γ为权重因子，它可以根据不同的主用户，二级用户设置不同的权重，P是指同时用此频谱用户的数目；

步骤4：信噪比集合

信噪比指的是有用信号功率Psignal与噪声功率Pnoise的比，AS表示信号振幅An表示噪声振幅；

步骤5：用户负载集合

优化系统吞吐量的传统方法就是将干扰小的优先分配给负载大的用户；

步骤6：频谱分配总效益

频谱分配总效益MAXE就是一级用户总效益和二级用户总效益之和，频谱分配总效益越大，代表分配方案越合理；

步骤7：对频谱分配方案的选择：

想要模拟小生境对频谱分配方案进行综合划分，先按适应度函数f来计算每一个频谱分配方案然后进行判定，得出每一个方案的频谱分配总效益，将他们进行正向排序处理，得出按适应度正向排序的种群f1>f2>f3>……>fi，2

Zi表示划分的子种群的个体数量，当Z＝i +i时，种群的前一半按照y＝x的正比例划分，即i＝R时，前面R个种群的总个体数为种群数目的一半；前一半划分种群的数量num＝i作为后一半种群划分数量，种群后一半进行等量划分，每一子种群数量为赌盘选择

以当前种群内个体的适应度作为被选择留下来的概率P划分0‑1这个区间，我们随机生成i个0‑1之间的小数rd，它落在每个区间内的次数就是他被选择的次数，如果有的区间没有被选择则在下一代个体中用适应度最高的替代，M表示子种群数量，Oi＝1代表选中，Oi＝0表示未选中， 表示第m个子种群的第n个个体的基因；

步骤8：交叉操作，提出自适应交叉概率Pc

这里用自适应交叉概率Pc来代替固定的交叉概率，将子群体的适应度划分为三份以fone和ftwo划分，其中Δ1为概率常数1，Δ2为概率常数2，Δ3为概率常数3，Tnow为当前的迭代数，指的是第m个子种群的第n个个体的适应度, 代表第m个子种群中的第一个个体的适应度，此时的个体在它存在的子种群中适应度最大， 为两个需要交叉基因的个体适应度的平均值，交叉概率应和迭代次数有关，随着迭代次数的增加，交叉概率应该线性下降来保护最优解不被破坏；

步骤9：变异操作，提出自适应变异概率

自适应变异概率Pm

将子群体的适应度划分为三份以fone和ftwo划分,其中 为概率常数1， 为概率常数2，为概率常数3，Tnow为当前的迭代数， 指的是第m个子种群的第n个个体的适应度, 代表第m个子种群中的最大适应度， 表示该产生变异的个体的适应度值，随着迭代次数的增加，变异概率应该线性增加，来打破陷入的局部最优；

步骤10：淘汰操作

淘汰机制主要是针对适应度最差的那个种群(即第2i个子种群)，判定其是否有继续进化发展的潜力，如果判定其发展潜力(Udevelop)低则将其淘汰，选取其他种群中当前适应度最大的进行替换，淘汰的判定主要从以下方面：

1.交叉是否产生新的基因型；

2.交叉后产生的新个体的适应度是否超当前子种群中的最大适应度；

3.变异后产生的新个体的适应度是否超过了当前子种群的最大适应度；

MK＝0表示未产生新的基因型，Nnew表示产生新的基因的个数， 表示超过当前最大适应度个体的平均适应度，fmax表示当前种群最大适应度，Nsame表示当前种群中相同基因的个体数量，K为定值，当前种群的淘汰值小于K，则保留当前种群，当前种群淘汰值大于K，则用前i个子种群的最优个体 替换,Ka、Kb、Kc用于调节不同时期不同因素所占比重,Ka、Kb、Kc三个值和应为1，从而一直迭代，直到出现最适合的频谱分配方案。