近年来，大数据和信息化不断发展，传统的计算方式逐渐不能胜任用户的需求，越来越多的运算需要通过大量的计算机组成的计算机集群来处理。但是维护如此多的计算和存储设备需要大量的人力财力，所以大部分用户选择将这些计算需求交付到云端或数据中心中进行处理。因此，数据中心内的流量数目出现了大幅的增长。为了提供更好的服务，为了网络中的流量能够更好地传输，对数据中心网络中流量传输的优化问题的研究成为了热点。　　基于电分组交换的树形分层结构的传统的数据中心网络正随着数据中心网络规模的不断增大而面临着越来越严重的效能以及成本等问题。而近年来提出的光电混合网络则通过引入光互连技术，将光网络的高带宽、低成本等优点充分利用，不仅提高了网络的容量，也减少了传统数据中心网络中所需的电分组交换机的数量，从而降低了网络能耗和设备成本。在光电混合网络架构下，两种网络并行工作，不仅可以有效降低电交换网络的转发压力，也避免了单点失效等问题。　　在数据中心网络中，一个任务常常是由多个相关的子任务组成的。因此，在数据中心网络中，往往存在着两个或者多个流共同完成一个任务。我们在进行优化时，通常把这些具有相关性的流作为一个基本单位（Coflow）。由于一个Coflow内的各个流之间往往存在着一定的资源竞争，因此合理地优化Coflow中的各个流的资源配置，可以有效地提高整个网络的资源利用率，降低网络阻塞率，同时提高数据中心内的需求处理速度。　　本文基于以上背景提出了基于数据中心下的光电混合网络中的Coflow的放置问题，构建了针对该问题的整数线性规划模型以及启发式算法，之后又通过引入Column generation算法，构建了由主问题和子问题组成的求解模型，并进一步通过提出一个可行的启发式算法取代子问题模型来提高整个问题的运算效率。　　最后本文还研究了在考虑Coflow的传输截止时间后的Coflow放置问题，提出了引入了推迟队列的Coflow放置问题的优化方案。