近年来,蜂窝网、无线局域网、无线传感器网等多种无线网络都得到了飞速的发展,但是这些无线网络的覆盖范围、收费标准、带宽等参数都有着很大的差异。如果能够将这些无线网络有效地融合,就可以提高网络容量和网络资源利用率,为用户提供更好的服务质量,并且降低网络基础建设费用。如现有的蜂窝网络覆盖范围广,能保证用户不间断的网络连接,且数据的传输具有高可靠性,但是其传输速率较低。而无线局域网提供的无线宽带业务,弥补了蜂窝网络数据率低的缺陷,给用户提供了高速数据传输能力,但是其覆盖范围小且不具有移动性。由此可以看出,蜂窝网络和无线局域网具有很好的互补性,若能将它们有效地融合,就能为用户提供更高质量的服务。垂直切换作为实现这些无线网络融合的前提,对它进行学习和研究就显得非常必要。本文针对异构无线网络中的切换算法进行了研究,主要内容如下：首先,论文对异构无线网络的特点和技术方案进行了概述,特别是对于移动性管理以及移动性管理中的切换技术进行了比较深入的研究。并在了解了切换判决因素和算法性能指标的基础上,对当前典型的垂直切换判决算法进行了分析和深入研究。然后,由于垂直切换判决算法中需要考虑多种判决因素的影响,而当前的切换判决算法中存在只考虑了个别判决因素或者在考虑了多个判决因素的同时获取的属性权值过于主观。针对这些问题,本文提出了一种基于模糊逻辑与最优权值的垂直切换算法,将垂直切换判决问题作为一个多属性决策类问题来解决。首先利用粗糙集理论提取核心属性因素并结合模糊逻辑的数据处理能力,然后利用熵值法来调整层次分析法获取的主观权值,使最终确定的权值达到目标模型的最优解,并保证终端接入最佳网络。最后对算法进行了仿真实验,仿真结果表明算法在切换次数、切换阻塞率等方面都具有较好的效果,而且针对不同的终端业务可以有不同的切换效果。最后,论文提出了能够在切换过程中保持各网络负载动态均衡的垂直切换算法：基于动态负载均衡的垂直切换算法。在该算法中,通过模糊逻辑对属性参数进行处理的同时引入了神经网络算法来保证网络的负载均衡,有效结合了模糊逻辑的数据处理能力和神经网络的自学习能力。除此之外,在模糊神经网络处理之前还引入了预判决与预处理模块,对一些简单明显的情况直接作出判决,以此来减少不必要的计算量。仿真结果表明引入预判决模块可以有效降低判决时延。与传统的算法相比,该算法可以有效降低呼叫阻塞率和切换阻塞率,并由此说明了该算法在保持网络负载均衡方面的有效性。