1.一種認知網絡自反饋動態自適應資源分配方法，其特征在于，具體包括如下步驟：

步驟A，首先使認知平面處于監聽用戶請求的狀態，當有某用戶發起業務請求T_s時，用戶平面將該業務請求的業務等級參數W_s傳遞給認知平面；

步驟B，認知平面在數據庫中查找由該用戶發起的，所有低于步驟A所述業務等級參數W_s的業務請求，組成業務集T=﹛T₁…T_N﹜；N為在認知域內某一時刻任務集中正在運行的業務的總數，????????????????????????????????????????????????；

步驟C，認知平面啟動基于權值的認知模擬退火遺傳算法，首先獲得資源策略R₁…R_N，然后由獲得的資源策略分別計算各業務的適應度函數值；

步驟D，如果業務集中業務的適應度高于0.9，直接將該業務交付給控制平面執行；

對于業務集中適應度小于0.9的業務，則將該業務的請求交付給用戶平面，用戶平面允許執行的業務就交付給控制平面執行，對于不允許執行的業務就終止執行。

2.根據權利要求1所述的一種認知網絡自反饋動態自適應資源分配方法，其特征在于，步驟C所述基于權值的認知模擬退火遺傳算法的具體步驟如下：

步驟1），編碼設計：

由任務的資源代號與分隔符一起組成染色體，對染色體的編碼采用自然數直接編碼的形式，把業務集T中N個任務的M維資源代號依次排列作為基因，即：

基因編碼為(R₁，…，R_N)=(R₁₁，R₁₂，…，R_1M，…，R_N1，…，R_NM)，其中R_si為第s個任務T_s的第i維資源的取值，,；

設j是資源R_si可能的取值，假設每維資源可取的資源個數都是c，則；其中對于單個業務，在每一維資源中只能有一個資源被選中；

步驟2），根據資源充足與否分別進行適應度函數設計：

2)-A：當資源充足時：

假設每個業務QoS參數的維數為k，令資源R_ij?表示第i維資源的第?j?個資源，每個資源都具有自己的QoS?屬性R’_ij=[?R’_ij1，R’_ij2，…，R’_ijt]，其中t表示該維資源的QoS屬性個數；

對于單個業務，在選擇某一個資源組合后，聯合M維的資源選擇情況，將整體資源的QoS屬性轉換為與k維業務QoS參數相同量綱的向量R_s=[RQ₁，RQ₂，…，RQ_k]，業務滿意度適應度函數如下：

其中，代表第s個業務的第i個QoS參數占整個QoS的比重的權值，U_s代表業務T_s的整體用戶滿意度，表示業務T_s的權重；表示業務T_s使用的資源整體的QoS屬性和該業務QoS?需求的距離；

2)-B：當資源不充足時：

業務的適應值正比于，其中表示業務T_s的權重，表示M維資源的總資源，表示業務T_s獲取的資源；當T₁，…，T_N的M維資源取時，令資源利用情況函數為：

對于任務T_s，有M維資源，將M引入上面的公式中，資源利用率適應度函數為：

其中，R_ij?表示第i維資源的第?j?個資源，表示第i維資源的總資源；

步驟3），選擇操作：根據步驟2）計算出的適應度，采用賭盤選擇算子在基因群體中選擇適應值大的個體產生新一代群體；

步驟4），交叉操作：選用單點交叉替換重組兩個父代個體的部分結構，生成新個體的操作，當子代的性能未優于父代的性能時，使用退火選擇法；

步驟5）：變異操作：采用基本位變異方法對基因群體的個體串的某些基因座上的基因值變動，在變異后再次啟動退火選擇法來判斷是否要替代原來的基因；

步驟6），終止條件：當種群中的最優個體在連續若干代沒有得到改進，或平均適應度在連續若干代基本沒有改進時，停止算法。

3.根據權利要求2所述的一種認知網絡自反饋動態自適應資源分配方法，其特征在于，步驟2）所述資源充足與否的判斷標準是：當實際網絡中不能滿足QoS目標的業務不足1%時，認為網絡資源充足，反之則認為網絡資源不充足。