认知网络中的动态频谱接入技术能有效地提升系统性能。目前的动态频谱接入研究大都假设用户具有完全理性的特性，这在实际网络中过于严格。由于用户的认识能力不完美以及获取的环境信息是有限的，这些因素无法保证用户选择的策略无差错，即会导致所选的策略偏离理性策略且不能时刻遵循效用最大化的原则。因此，本文充分考虑用户的有限理性特性，以演化博弈为工具研究用户的动态频谱接入行为，主要进行的工作如下：
　　第一，分布式无线网络中，为了提高用户高效的数据传输，针对用户的有限理性特性，本文提出了一种基于图型演化博弈的动态频谱接入机制。该机制运用图型博弈反映用户之间真实的博弈关系以此降低博弈的复杂度；设计了一种简化的动态频谱接入算法，以及具有全局逐步稳定性的动态方程来描述用户速率分配比率的演化过程，证明了该算法能够收敛到图型演化博弈的一个纯策略纳什均衡解。仿真分析证实，所提机制具有较低的复杂度、较快的收敛速度、较高的系统容量、较高的用户平均传输速率和效用。当用户发生局部的理性偏移时，依然能够较快地收敛到均衡状态和保证较小的性能偏移，而且用户的理性偏移只会影响其邻居用户，而不会扩散到整个网络。
　　第二，考虑到当前的频谱感知体系存在不足以及频谱感知与频谱接入之间存在相互影响的问题，本文提出了一种基于演化博弈的联合频谱感知和接入决策机制。在感知阶段，设计了一种新的协作频谱感知体系，参与感知的次用户基于此体系执行感知，不仅减少了上传时隙的浪费且获得了较好的感知性能。将次用户是否执行频谱感知和接入用演化博弈中的动态方程描述，最终获得稳定的执行感知的次用户比例和接入信道的次用户比例。由于次用户间信息的未知性，最后通过一种分布式学习算法求得均衡解且优化了系统性能。理论分析和仿真结果表明，该算法能够获得较高的系统吞吐量、较低的虚警概率以及可以收敛到不同的稳定点。并且当次用户发生局部的理性偏移时，依然能够保证再次收敛到稳定点。