认知无线电是提高频谱利用率、解决频谱短缺问题的有效方法。而频谱分配是其中的关键技术,频谱分配策略的优劣直接关系到频谱利用率的高低。针对当前频谱中存在的计算时间过长的缺陷,本课题从优化模型和引入高效算法两方面进行改进,在提高频谱利用率的同时减少了计算时间。对当前研究的图论频谱分配模型下的耗时分布进行了统计分析,发现目标函数值的求解算法和解的约束处理算法耗时随着问题规模呈非线性增长,且占据了频谱分配计算的大部分时间。针对基于图论的频谱分配模型存在的编码效率低、相关算法的复杂度高等问题,提出了一种压缩图论频谱分配模型。首先对问题的求解对象分配矩阵中的确定信息与不确定信息进行了详细的分类,并只对其中的不确定部分进行编码,有效降低了问题的规模;同时,对模型主要参数进行优化编码,并对应给出了优化编码下的目标函数值的求解算法和解的约束处理算法。论文分析了模型的编码效率、算法复杂度,从理论上论证了压缩图论模型在提高编码效率的同时减小了计算量。基于图论的频谱分配可看作NP-Hard组合优化问题,适合用智能算法解决。离散人工蜂群算法应用于解决频谱分配问题取得了较好的效果,但其存在的冗余计算等缺陷限制了其性能。针对这些问题,对当前离散人工蜂群算法存在的冗余计算与缺陷做了详细的理论分析,提出了基于逻辑运算的离散人工蜂群算法。首先,引入取反的种群更新策略,保证了新解与旧解的差异,从而减少了冗余计算,提高了搜索效率;其次,针对当前离散人工蜂群算法中更新维度随机选取、缺乏导向性的问题,在基于逻辑运算的离散人工蜂群算法中建立种群个体间的学习交流模型,在种群个体间存在差异的维度上确定更新维度,提高了算法的开发性能,使得算法的收敛速度和优化性能得到进一步提高。最后,对本文提出的基于逻辑运算的离散人工蜂群算法和当前离散人工蜂群算法进行了复杂度对比分析,从理论上说明了基于逻辑运算的离散人工蜂群算法的优势。最终仿真实验表明,基于逻辑运算的离散人工蜂群算法应用于压缩图论频谱分配模型在加快收敛速度的同时提高了网络收益。