针对无线频谱资源利用率低的问题，提出一种基于改进云量子遗传算法(MCQGA)的动态频谱分配方法。该方法可动态调整量子门旋转角，基于云理论进行交叉和变异操作，以图论着色模型为基础，综合考虑最大化平均系统收益、最大化最小带宽和最大化比例公平性度量进行频谱分配。选取粒子群算法、传统遗传算法和基本量子遗传算法进行对比仿真实验，仿真结果表明，该方法更适用于解决频谱分配问题。

针对相干光正交频分复用(OFDM)系统中峰值平均功率比(PAPR)高的问题, 对粒子群算法(PSO)、蝙蝠算法(BA)和鸟群算法(BSA)等几种群智能算法进行了研究, 采用群智能算法优化OFDM符号的子载波相位, 达到降低PAPR的目的。同时, 通过动态调整认知系数和学习因子, 分别对蝙蝠算法和鸟群算法进行了改进。对100 Gb/s、二进制正交振幅调制(4QAM)的相干光OFDM系统的仿真实验表明, PSO、BA、BSA三种智能算法都能有效降低系统的PAPR, 且改进BSA和改进BA与原始信号相比可使PAPR分别降低约5.11 dB、5.48 dB, 具有更好的抑制效果; 采用群智能算法优化后, 系统误码率性能也得到提高, 且随着光信噪比的增大, 性能提高更加明显。

选择光谱特征波长进行建模可以减少冗余波长的干扰, 提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理, 并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明, 小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数, 而且还能提高模型的预测精度, 特别是离散粒子群优化算法利用26个波长进行建模, 预测决定系数达到了0.81, 预测的相对标准误差为2.31。实验结果证明, 通过对光谱波长进行选择不但可以降低模型的复杂度, 还能有效预测土壤有机质达的含量。