随着云计算、大数据等互联网应用的快速发展,海量业务和数据都交由数据中心存储管理,数据中心日益成为巨大的信息交互中心。如何有效地提高带宽资源利用率,是数据中心网络面临的核心问题。由于数据中心网络流量的高度动态性,仅依据网络初始状态计算路由很难保持全网负载均衡。因此,根据网络实时负载状态应用自适应流量调度策略,是数据中心网络实现动态负载均衡的重要手段。论文研究在SDN网络运行过程中出现扰动(即全网链路利用率方差超过设定的阈值)时的路由与流量调度问题,主要研究工作如下:(1)提出一种基于扰动的动态负载均衡路由算法(Dynamic Load Balancing Routing Algorithm Based on Perturbation,D-LBR)。论文首先针对由最短路由算法导致的重复选取相同链路与仅凭链路利用率之和来片面选择路由的不足,采用集成链路利用率之和与链路利用率方差的综合效用值来决策路由;其次,在考虑全网出现扰动的情况下,将满足一定链路利用率条件的链路分别划分到轻、重载链路队列,实施轻、重载链路流量均衡处理。论文在由Mininet和Floodlight搭建的OpenFlow环境下,对D-LBR算法进行了仿真实验,实验结果表明,在初始路由过程中,D-LBR算法与同类算法相比能够更均衡地分配数据流量,提高了网络链路利用率和吞吐量。(2)提出一种基于交叉遗传的差异权重粒子群优化算法(Difference Weight PSO Based on Crossover Genetic,DWGPSO)。考虑到全网出现扰动时流量调度对时延敏感的实际情况,论文针对传统路由算法依靠穷举法寻路的不足,在现有粒子群优化算法的基础上,提出差异权重算法并结合交叉遗传算法以最大化利用当前搜索到的最优值,通过基于引导的方式来提高算法寻优精确度和收敛速度。(3)提出一种基于扰动的自适应流量调度算法(Adaptive Traffic Scheduling Algorithm Based on Perturbation,ATS)。论文针对网络运行过程中出现扰动的情况,从流量调度和重路由的角度出发,首先基于流量筛选阈值筛选出重路由流对象;然后基于组合优化思想,提出基于方差划分标准和综合效用值的适应度函数,并以D-LBR作为初始路由计算方法,结合DWGPSO进行组合优化以寻求重路由路径组最优解,实现基于快速重路由的流量调度过程,达到负载均衡的目的。实验验证了ATS算法在出现扰动的情况下性能指标相比其它同类算法效果良好。