随着群组通信特别是网络视频会议、网络视频点播、股市行情发布、远程教育等应用大量兴起,多播技术已成为支持这些应用的重要基础。由于这些实时业务对网络传输中的时延、时延抖动、带宽、包丢失率和代价等较为敏感,当突发性较高的多媒体业务数据在网络上传输时,其传输质量将会受到影响,这样就需要服务质量(Quality of Service,QoS)技术的支持,以确保实时业务的通信质量。传统的基于“最短路径”算法的路由技术只提供“尽力而为”服务,不能提供QoS保证。随着下一代高性能网络技术的不断发展及其应用领域的日益扩大,基于QoS约束的多播路由算法和协议的理论研究与实现,已成为网络研究领域中的重要课题。多播作为多点之间的通信服务,其服务质量问题较端对端应用更复杂、更困难。多播QoS问题的研究包括接纳控制、路由选择、群组成员关系管理、拥塞控制、流量整形、协商机制等,而路由选择问题是其中最关键的课题。多播QoS路由就是寻找满足特定QoS约束的一棵多播树,这已被证明是一个NP完全问题。虽然针对该问题,学界已提出了不少算法,但普遍存在着算法复杂、实现困难、算法适应性差、难以满足多播应用动态性的特点。近年来,研究人员引入计算智能算法寻求多播QoS路由问题的最优解。但是单纯采用某种计算智能算法的多播路由方案也存在局限性。特别需要指出的是,把各种不同的计算智能方法结合起来,形成优势互补、复合协同的集成优化方法,已经成为计算智能优化技术领域的主流方向。本论文主要研究目的在于,深入研究多种计算智能技术进行综合集成的理论方法,并将其用于解决多播QoS路由计算问题。本论文着重围绕带QoS约束的多播路由树构造问题进行深入研究。针对目前多播路由树构造方法的不足之处,将QoS约束的多播树构造问题转化为多目标优化问题,然后采用基于计算智能的多目标优化技术寻求该问题的解决方案。力争为解决多播QoS路由综合优化这类复杂问题探索一条新的途径。本论文研究内容如下:根据多目标优化的思想,设计出集中式的,基于改进遗传算法的满足QoS约束的静态多播路由算法。文中提出了两种基于进化计算的静态多播QoS路由计算方法,分别是基于启发式模糊遗传算法的多播路由算法和基于种群自适应免疫遗传算法的多播QoS路由算法。两种算法都采用树形结构编码及高效的遗传操作,而且是从不同的角度对传统遗传算法进行改进,前者是在传统遗传算法中引入模糊选择机制与禁忌搜索(TS)算子,采用禁忌搜索算子可以保证多样化的有效搜索。而模糊选择机制可被用来确定最优数量的个体参与遗传操作,可用它代替常用的赌轮选择操作;后者则是首先采用自适应规则,对遗传算法的重要参数随种群进化的需要进行自适应调整。然后再引入免疫算子,使得算法在保证群体多样性的同时能够得到Pareto最优解。两种算法都力图克服单纯采用遗传算法的爬山能力差以及早熟问题。此外后者算法能更为近似地模拟自然界及生物个体竞争、繁衍和死亡的过程,具有较好的空间探索能力和局部求精能力。从而更好的改进多目标进化算法的搜索性能;针对集中式多播路由算法适应网络规模的扩展性能较差和计算负荷重的局限性,本论文提出一种基于协同进化蚁群算法的全局分布式多播QoS路由计算方法。首先为各个种群分配一个目标,在这里是搜索到特定目的节点的满足QoS约束的最优路径。然后采用本文设计的方法将各种群的最优解合并为满足QoS约束的多播树路径,并用Pareto最优性准则进行评价,据此进行信息激素的奖励或惩罚。该算法是完全的分布式算法,具有搜索成功率高和扩展性好等特点;针对在多播成员动态变化及网络拓扑结构动态变化的环境中的多播路由树的建立和调整等问题,本文提出结合分布式和集中式特点的动态多播路由算法,在新节点加入多播会话时,采用分布式的方法搜索新节点到当前多播树的满足QoS约束的最优路径。而在成员节点离开多播会话时,则根据其对多播会话质量的影响程度,决定是否执行多播树的重构操作。与静态多播路由算法比较,动态多播路由算法具有更好的适应性和灵活性。本论文针对近来出现的应用层多播技术也进行了深入的分析研究。针对覆盖网络多播树的构建问题,本文提出了基于混沌免疫进化算法的覆盖网络多播路由方案。通过将网络层业务的均衡程度纳入路由算法优化目标,分析覆盖网络多播树在开销、平衡和网络层业务量的均衡性能三方面的优劣程度,以获得同时满足这三方面约束的应用层多播树。该算法力图综合网络层多播与应用层多播二者的优点,为多播技术的研究探索一种新的有效途径。论文对文中提出的多播路由算法进行了仿真实验和性能评价,结果验证了算法的有效性。