在科学研究、媒体、社交、工业等领域,数据密集型应用会在短时间内产生TB(terabytes)量级的数据。通常,这些海量数据需要在截止期限前可靠的传输到协作站点进行处理。然而传统的共享IP网络已经不能满足大数据传输对于及时性、可预测性等服务质量(Quality of Service,QoS)的要求。随着SDN(Software Defined Networking)的发展,使得高性能网络(High-Performance Networks,HPNs)的带宽预留功能更易于实现,HPNs目前已被公认为大数据传输的一种有效解决方案。现有的有关HPNs带宽调度工作主要是单路径调度,但是,一方面单路径不能满足快速增长的数据量传输需要,另一方面不能使昂贵的网络资源得到充分利用。本文研究在HPNs中灵活地使用链路不相交的多条路径,对一批有多个优先级和截止时间约束的带宽预留请求进行调度,以达到用户满意度和调度成功率最大化的同时,兼顾平均最早完成时间(Earliest Completion Time,ECT)或最短持续时间(Shortest Duration,SD)最小化。本文的研究内容主要包括以下几个方面:(1)考虑最早完成时间和最短持续时间两个灵活多路径带宽调度问题,并证明了这两个问题属于NP完全问题。(2)分别根据最小带宽和最大带宽两种路径选择原则,对上述两个问题,设计了启发式多优先级请求灵活多路径调度算法。首先权衡优先级和数据量大小两个因素,对带宽预留请求进行排序,然后根据最小带宽原则灵活的寻找多条路径来满足数据传输所需要的最小带宽,以提高用户满意度和调度成功率,而最大带宽原则通过使用最大的可用带宽进行数据传输来减小平均ECT/SD。(3)在一个真实的HPN拓扑中对本文提出的启发式算法进行小规模和大规模的仿真实验,并和已知的相似问题的算法进行对比。实验结果表明了本文算法的性能优越性。特别是在最小带宽原则下提出的两个启发式算法的用户满意度、调度成功率和平均ECT/SD三个指标在小规模和大规模实验中都明显优于对比算法。