当今，各种无线通信业务不断地出现，导致频谱资源供给与需求的矛盾日益激烈。在这个恰当的时机，认知无线电技术产生了，以缓和它们之间的矛盾。它采用动态频谱接入的方式，最大限度的利用处在空闲状态的频谱，提升了频谱的使用效率。在认知无线电中有一种极其重要的技术，主要用来检测频谱空洞，称为频谱感知，它是学者研究的热门问题之一。进化算法是一种具有高度的自适应性，并自我组织的智能启发式技术，它对优化问题的求解原理是对生物进化过程的一种模拟，采用进化算法对问题进行优化时将不受自身性质的影响。首先，介绍了频谱感知关键技术及粒子群算法和遗传算法两种进化算法的基本原理。其次，对单频带频谱感知问题优化模型，采用了进化算法求解。仿真结果表明遗传算法和粒子群算法能够有效的解决权重系数的优化，并且性能比最大化偏移系数法好。再次，对多频带频谱感知问题建立的最大化吞吐量、干扰受限的模型，由于在某些情况下，问题非凸的特质，引入了进化算法求解。分别通过罚函数法、距离法处理约束，遗传算法和粒子群算法即使在非凸的情况下也能够胜任模型的求解，并且，在非凸的情况下能够获得更大的吞吐量。最后，考虑感知时间对系统性能的影响，重新设计了最大化吞吐量、干扰受限的模型，并对模型进行了理论分析。针对同时需要优化权重系数、判决门限和感知时间的问题模型，提出了粒子群算法和黄金分割法相合作的PSO-GSS算法。仿真结果表明，与单纯的粒子群算法相比，PSO-GSS算法能够避免粒子群算法极易陷入局部最优的缺点。