认知车载网络(CognitiveVehicularAdhocNetwork,CVANET)作为一种promising的智能交通系统(IntelligentTransportationSystem,ITS)技术，能够有效提升频谱利用率和通信效率。
信道分配作为CVANET的关键技术之一，直接影响着网络性能。
萤火虫算法(FireflyAlgorithm,FA)作为一种新兴的群智能优化算法，具有求解速度快、全局搜索能力强的优点，近年来在CVANET信道分配问题上得到广泛应用。
本篇论文综述了基于萤火虫算法的认知车载网络信道分配的研究现状，首先介绍了CVANET和FA的基本概念，然后从信道分配模型、算法改进策略、仿真环境搭建以及性能指标选择等方面对现有研究成果进行归纳和分析，最后总结了现有研究的不足并展望了未来的研究方向。
关键词：认知车载网络，信道分配，萤火虫算法，资源优化，群智能
#1.1认知车载网络(CognitiveVehicularAdhocNetwork,CVANET)
认知车载网络(CVANET)是一种新兴的车联网技术，它结合了认知无线电(CognitiveRadio,CR)和车载自组织网络(VehicularAdhocNetwork,VANET)的优势。
CVANET中的车辆节点配备了认知无线电设备，能够感知周围的无线电环境，并根据环境变化动态地调整自身的通信参数，例如发射功率、调制方式和编码方式等，以实现可靠、高效的通信。
CVANET的主要特点包括：自组织性:车辆节点可以自主地形成网络，无需固定基础设施的支持。
动态性:车辆节点的移动性和网络拓扑结构的快速变化对网络协议和算法的设计提出了挑战。
认知能力:车辆节点可以通过频谱感知技术获取可用的频谱资源，并根据网络需求动态地进行频谱接入和分配。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
