目前的无线网络技术的高速发展可谓空前绝后，个人、企业、甚至国家政府对无线网络便捷高效、实时互动的多元业务需求，随着便携无线设备终端的广泛普及和现代化需求而扩张，网络的性能也面临着严峻的考验，功能更加健全的新型网络体系构架、更新技术、跨领域理念不断涌现。这其中，认知无线Mesh网络的出现无疑为解决异构网络的兼容节省了成本，且其节点的认知功能为无线网络的智能化提供了发展方向。此外，进一步完善认知无线 Mesh网络相关技术是解决未来多网络结构协调工作的重要研究内容。　　本文首先介绍了认知无线Mesh网络的系统体系及网络特性、关键技术及应用领域、系统模型、研究现状等。频谱分配和QoS组播问题是无线网络的关键技术。而通过智能算法来实现技术的革新成为一种趋势。已有的研究成果中频谱分配和QoS组播问题在所采用的智能算法通常为遗传算法、粒子群算法等，本文就频谱分配算法和QoS组播算法的改进策略的提出进行了深入的研究。　　已有的对频谱分配问题的算法研究往往关注于至多两项的指标效果，而往往忽视了改进的指标对其他指标的影响，传统采用的算法有粒子群算法、遗传算法等结构相对繁复的算法，而杂草算法在无线网络技术上的应用具有卓越的收敛性和较小的算法开销，因而本文在频谱分配的优化问题上采用杂草算法。现有的研究中杂草算法的调和指数通常是固定值，对算法的全局搜索具有局限作用，提高了算法陷入局部最优的发生概率。针对以上不足，本文对调和指数进行递进式步长的微调，通过对参数的优选并进行仿真实验，结果表明，改进后的杂草算法在保证网络性能的同时，多样性得到了有效改善，收敛速度也得到提升。　　在QoS组播路由算法的研究上，通常采用的智能算法包括遗传算法、蚁群算法等。其中参数指标实现效果较好的是蚁群算法，但现有的改进思路通常限定在QoS约束条件上，忽略了初始种群的优劣程度对算法后期的寻优效率、最优解质量等性能的影响。本文针对现有对于QoS组播优化策略的不足，基本蚁群算法，在初始种群的初始化操作中引入军事中针对消除威胁火力模式的理论研究，在此基础上分别依概率组合为总初始化种群，仿真结果表明，改进后的算法在不增加算法复杂度的同时，提升了初始种群的整体质量，使得算法不仅最优解的质量得到了均衡的提高，在QoS指标的改善也较为理想。