在网络应用、市场与服务的共同驱动下,基于服务质量的多约束网络路由成为信息网络的研究热点问题。面对复杂的、动态的网络系统,已有的路由算法很难支持不确定性环境下的多约束路由,无法有效确保服务质量(QoS)以及提高资源利用率。因此,基于不确定性理论,采用智能决策方法来解决路由选择问题,为新一代信息网络的路由研究开拓新思路。围绕将不确定网络状态参数下的多约束QoS路由问题转化成为基于直觉模糊集(Vague集)的多属性决策问题的研究思路,主要开展了以下研究工作：基于模糊逻辑的路由算法的分析；QoS度量参数的模糊化方法；基于直觉模糊集的最短路径数学模型；单一约束条件下的最短路径算法；带权重的复合约束条件下与独立的多约束条件下的路由决策算法；基于多种几何特性的相似度量与基于相似度量的多约束路由决策方法；路由决策方法的仿真实验与应用方案。针对QoS路由面临的不确定网络状态信息与多约束路由问题,在研究模糊蕴涵算子的构造与选择的基础上指出了现有的基于模糊逻辑的路由方法中模糊集表示信息、算子选择的不合理与选路规则库的不完备性。采用比传统模糊集合表示信息更合理的直觉模糊集合来表示不确定网络状态信息,给出了跳数、时延、带宽、剩余能量等不同特性的QoS度量参数的模糊化处理方法。通过对模糊最短路径伺题的分析,给出了基于直觉模糊集的最短路径的数学模型,包括数学描述、与QoS度量及路由决策相关的模糊运算的定义。在此基础上,给出了单约束下寻找最短路径的SM-SPP算法及其改进算法SM-SPP+。计算可行路径的模糊度量和,将可行路径与理论上的最短路径进行相似度量计算,度量高的路径就是实际的最短路径。通过数值实例验证了算法的正确性。在研究了多属性决策模型与多约束路由的对应关系的基础上,采用可能度矩阵与记分函数两类多属性决策方法用于解决路由问题。其一,采用离散的Vague集合表示一个复合的加性约束,依据“最短”的原则设定属性权重,生成可能度矩阵,最后利用排序公式得到路径的优劣次序。其二,依据网络环境与业务流类型选择QoS度量,确定最优路径的选择标准；定义相关的评价函数与记分函数；QoS度量采用7级模糊量化,每条路径表示成一个Vague集合；比较每条路径与选择标准的合适度,最高的就是最优路径。通过实例验证了算法的正确性与可行性。在研究了Vague集几何表示的基础上,提出了一种基于面积和中心距离等多种几何特性的Vague元素之间与集合之间的新的相似度量。数值分析表明,该相似度量与目前主流的相似度量相比较识别能力更高。提出“近优远劣”的选优思想,定义了度量度的概念,选优决策更加合理。提出了基于相似度量的多约束路由决策算法SM-MCR。该算法依据网络中不同的业务流,确定QoS度量与优劣路径的评价准则；计算可行路径与所确定的理论上最优／最劣路径的相似度量与度量度,度量度最高即为最优路径。通过数值验算并与其他相似度量相比较,验证了算法的正确性与可行性。在Matlab平台上通过大量随机数据验证了SM-MCR算法的可行性与正确性。采用Java语言实现了路由决策仿真系统RDSS。在RDSS上的仿真实验表明：SM-MCR算法在动态环境下具有自适应性；与时延贪婪算法、MBCR能量算法相比,SM-MCR算法的丢包率更低、系统能量消耗更合理、任务增加时负载更均衡；路径总时延与时延贪婪算法接近,低于MBCR算法。最后,以开放最短路径优先(OSPF)与动态资源路由协议(DSR)为代表,设计了基于直觉模糊集的多约束网络路由决策方法的应用方案。