1.一種基于圖的超啟發式的蜂窩網絡頻譜分配方法，包括如下步驟：

(1)將蜂窩網絡的干擾矩陣表示為一個有權圖G＝(V,E,W)，其中V為節點的集合，V＝{1,2,…,N},其中N為蜂窩網絡中小區的數目，E為邊的集合，W為邊上的權重的集合；

(2)隨機生成初始個體：A＝{L₁,L₂,…L_i,…,L_N},其中L_i∈[1,6],代表根據第L_i個低層啟發式方法來選擇第i個要進行頻譜分配的節點；

(3)對初始個體A及其適應度值f(A)進行迭代更新，得到最終頻譜分配結果，具體包括：

(3a)計算初始個體A的適應度值f(A)，并用計算結果表示頻譜分配所需要的總的信道數；

(3b)設置初始的最優個體best為初始個體A,即best←A，初始的最優適應度值bestf等于f(A)，即bestf＝f(A)；

(3c)設置當前迭代次數b＝0，最大迭代次數為g；

(3d)設置當前模擬退火執行次數a＝0；

(3e)對初始個體A執行模擬退火操作,在個體A上隨機選擇h個位置，其中h∈[1,N],并對這h個位置上的值依次在其取值范圍內執行變異操作，操作完成后生成一個新的個體B；

(3f)計算新個體B的適應度值f(B)；

(3g)判斷新個體B的適應度值f(B)是否小于初始個體A的適應度值f(A)，若是，則用新個體B更新初始個體A作為新的初始個體，即A←B,并對最優個體best，最優適應度值bestf同時進行更新，即：best←B,bestf＝f(B)；否則，以概率p＝e^-k/t接收新個體B作為新的初始個體，更新模擬退火執行次數a＝a+1，其中k為模擬退火溫度參數T更新前后的差值，t為模擬退火溫度參數T的初始值；

(3h)判斷模擬退火執行次數a是否大于4，若a大于4，則模擬退火過程完成，繼續執行步驟(3i)，否則，返回步驟(3e)；

(3i)更新模擬退火中的溫度參數T，同時更新當前迭代次數b＝b+1；

(3j)判斷當前迭代次數b是否小于最大迭代次數g，若是，則返回步驟(3d)，否則，輸出最優適應度值bestf為最終頻譜分配結果。

2.根據權利要求1所述的方法，其中步驟(3a)所述的計算初始個體A的適應度值f(A)，按如下步驟進行：

(3a1)按照個體A所表示的低層啟發式序列A＝{L₁,L₂,…L_i,…,L_N}，順序地選擇個體A當前位置所表示的低層啟發式方法L_i，其中L_i∈[1,6],i＝1,2,…,N,N為蜂窩網絡中的小區數目；

(3a2)根據當前選擇的低層啟發式方法L_i，在未分配信道的節點集合中選擇出一個要進行頻譜分配的節點，并對其進行頻譜分配；

(3a3)重復執行步驟(3a1)-(3a2)共N次后，使所有N個節點所需的信道被全部分配，并將分配給N個節點的信道總數作為適應度值f(A)。

3.根據權利要求1所述的方法，其中步驟(3i)所述的更新模擬退火中的溫度參數T，按如下步驟進行：

(3i1)計算溫度下降因子downrate:

$downrate=\frac{bestf-LB}{N*(N-1)/2}$

其中bestf為當前最優適應度值，LB為此頻譜分配問題的理論最優值，N為網絡中小區的數目；

(3i2)按以下公式更新模擬退火中的溫度參數T,更新后的溫度為T′：

T′＝T-downrate。