卫星通信弥补了地面通信系统难以全球无缝覆盖的缺陷,因此卫星通信网络将成为未来网络的重要组成部分。低轨（Low Earth Orbit,LEO）卫星网络因具有组网成本低,通信时延小等优点,成为以美国为代表的发达国家重点发展的未来网络技术之一。然而LEO卫星网络拓扑处在高速变化中,网络链路上承载的业务流量也会快速变化,从而可能引起网络拥塞,业务QoS性能下降等问题。为了解决该问题,需要针对卫星网络特点,对业务路由进行实时动态优化,这需要网络控制平面具有全局状态视图和灵活的控制能力。将软件定义网络（Software Defined Networking,SDN）技术应用到LEO卫星网络路由优化中,正好可以很好地满足这一需求,因此本文主要研究基于SDN技术的LEO卫星网络路由优化方法。为了避免业务因LEO卫星网络拓扑的高速变化产生中断,本文首先设计出一种基于虚拟拓扑和K路由的静态路由优化算法。该算法利用辅助图将链路切换代价转化为分层图中边的权重,从而给出每一对源、目节点间切换次数最少的路由序列,该路由序列将作为LEO卫星网络的默认路由。然而,静态路由无法适应流量的动态变化,从而导致网络拥塞,本文设计了一种具有较低时间复杂度的路由优化算法。该算法基于邻域搜索思想,能够在较短时间内给出路由优化解。仿真实验表明,该算法在负载均衡方面优于其他算法,能够有效缓解因网络拥塞造成的业务时延增大、丢包率上升等问题。当业务流量发生变化时,为了快速得到优化路由方案,本文还提出了一种基于监督学习的路由优化方法。在本文的路由优化问题中,神经网络的规模随着网络节点数的平方成正比,为了解决模型可扩展性问题,本文将一个大模型拆分成成若干小模型,通过模型的并行训练、部署降低了训练和优化求解时间。仿真实验表明,该方法能够快速计算出路由优化方案,并有效缓解网络拥塞,在流量规模较大的情况下,负载均衡性能优于传统最短路和Online算法,保证了网络传输性能。最后,为了使仿真环境更接近真实情况,更准确地评估本文所提的两种路由优化方法的性能,本文开发了一套LEO卫星SDN-WAN原型验证系统,该系统包含分布式数据面、流量注入和实时QoS分析三个子系统。实验表明,本文实现的分布式数据面具有较高的可扩展性;流量注入工具能够重放任意特征业务流;QoS分析系统能实时对业务端到端传输时延和丢包率进行较为准确的估计。