在分布式网络架构下,网络设备在进行业务流量的路由转发过程中,依据邻居节点交互信息,独自完成网络的控制与转发工作。这种控制与转发紧密耦合,设备间各自为战的网络架构在进行网络管理配置,网络灵活化部署时都面临巨大挑战。软件定义网络(Software Defined Network,SDN)通过解耦网络的转发与控制层面,设立集中化的控制中心,能够全局性的获取网络拓扑信息,全局化统一管理网络。新一代的5G(5th Generation Wireless Systems)网络,在未来的网络长期演进规划中,运营商将在未来核心网中采用SDN网络架构。同时,随着当前云计算、大数据集群等技术的兴起与发展,数据中心网络(Data Center Network,DCN)中的数据流量将面临爆发式的增长,以谷歌为代表的各大互联网公司新一代数据中心均采用SDN网络架构。摆脱传统路由设计思路,充分利用SDN网络统一管控,全局化信息获取等架构优势进行路由设计具有非常广阔的应用前景。加之当前网络业务流量越发多样、复杂(如8K直播,短视频,车联网业务等),这些不同的业务类型对网络的时延、带宽、丢包等性能参数要求各不相同,现有路由算法往往仅将跳数或单一网络参数作为路由的权重因子,无法充分利用SDN全局化网络参数获取优势,难以保证多样化业务流的QoS需求。因此,针对SDN网络中的多QoS约束路由设计具有十分重要的研究意义。本论文针对SDN网络中的多QoS约束路由问题,进行了如下研究:论文首先研究了基于SDN的网络服务提供商(Internet Service Provider,ISP)核心网中的多QoS约束的路由问题,该场景下,SDN网络结合了网络虚拟化(Network Function Virtualization,NFV)技术及服务功能链(Service Function Chain,SFC),在对业务流进行路由时,需要依次通过由SFC规范的一系列虚拟网络功能节点,以完成特定的网络功能,现有算法往往不能够针对不同业务的不同QoS需求进行差异化的路由策略制定,往往采用贪婪式的算法,分步求解虚拟功能节点路由路径进行拼接,使得算法易于陷入局部最优解。本文提出了一种针对网络中多类型业务流的多QoS参数约束的路由算法,算法首先针对不同业务的不同QoS需求建立了一个链路成本模型,建立起了针对不同业务流需求拥有不同链路花费的代价模型;同时,为了避免陷入局部最优解,提出了一种通过减小解空间来降低复杂度的维特比算法来进行路由求解,该算法在应用维特比算法前,依据网络中虚拟网元功能节点的资源剩余量的多少对待选功能节点进行了筛选过滤,减少了待选取节点的个数,降低了算法的复杂度。论文在Matlab仿真环境中实现了上述路由算法,进行了仿真分析验证。相比于传统最短路、资源感知等路由算法,我们的算法能够提高SFC流的接受率,提高网络吞吐量,有效满足SFC流的不同QoS需求。论文第二部分讨论研究了 SDN环境下的数据中心网络(Data C enter Network,DCN)中的多QoS约束路由问题,该网络场景下的路由是为网络中部署的业务服务器提供服务,路由策略需要能够针对网络中出现的如网络拥塞等异常事件等进行有效规避,减少故障的产生,以避免业务流量的中断或服务器掉线等问题。加之网络中业务应用越发多样,路由算法的设计还需要充分考虑不同业务类型的不同QoS需求,以适应网络的发展需求。本文针对传统路由算法如ECMP等不能从拥塞等网络突发事件中学习和改变路由策略的问题,提出了一种考虑多类型业务QoS需求的快收敛DQN路由算法,该算法将深度强化学习应用到了路由问题中,为了解决网络中不同业务流的不同QoS需求,算法将网络中不同类型的流进行分类,并依据分类设定了不同的反馈奖励函数,使得网络收敛到能够适应多种业务QoS需求的状态;同时,算法设计采用的基于优先级的回放策略将经验回放池划分为优先池和非优先池,提高了高学习价值案例的被选取几率,从而提升网络的学习效率,加速算法的收敛。该算法能够自主学习网络流量特征,自适应调整网络路由策略,经过多轮次迭代训练,算法收敛到较优状态,仿真对比传统的 ECMP(Equal-Cost Multipath Routing,ECMP),DQN(Deep Q-learning Network,DQN)等算法,在降低网络拥塞概率,提高网络吞吐量等参数上有较大性能改善。在最后章节,论文总结了所有工作,并展望了后续的研究改进工作。