泛在网扩展了传统通信网络的概念,突破了不同通信网络之间的界限,将封闭的网络个体融合贯通为一个整体,这不仅是网络区域的叠加,还是终端的汇集以及网络业务、数据和协议等的融合。在泛在网中,一方面各个异构子网彼此融会相互协调,联合提供了透明的无缝移动接入环境；另一方面各种业务自动适配充分交互,一同创造了丰富的业务资源。这些极大地提高了网络服务能力,并给终端提供了更广泛的选择外延。但是,网络和业务环境所呈现的复杂性和扩展的选择空间也给网络资源管理带来了许多新的挑战。这其中的一个突出困难就是如何智能有效地配置终端和网络间的关联关系,该配置过程即为网络关联控制机制。对于网络关联控制机制的研究,已有众多切实可行的解决方案。但泛在网的出现为网络环境引入了更多新的特性并且给网络服务提出了新的要求,因此泛在网关联控制机制不会局限于既有的边界,而将在一个更大问题维度上进行解决。这不仅包括如何将终端关联到接入条件满足的网络中,还将面对在复杂的网络和业务环境中的协同优化问题。为此本文对泛在网关联控制问题进行了研究,以提出行之有效解决方案提高网络资源的利用率,保证终端的业务体验。具体来说,本文分别针对泛在网下不同的网络场景提出了基于链路稳定、内容感知、传输时效以及移动支持的关联控制机制,以解决不同场景下的突出问题。本文主要研究内容如下：●基于链路稳定的关联控制问题研究本文首先考虑了泛在网的低速移动网络场景中的关联控制问题。当终端在泛在网中停留或低速移动时,由于网络间迁移和链路质量下降而引起的频繁的重关联会导致延迟的增长,另外泛在网终端分布的不均衡性也会导致网络负载失衡进而影响整个网络效率。由频繁切换带来的延迟和网络过载引起的链路拥塞是影响链路稳定的两个主要因素。已有的关联控制研究工作主要关注于如何减少终端单次切换延迟和增加关联时长,很少有研究将移动终端切换延迟和网络负载均衡等影响链路稳定的主要因素进行联合考虑。为此,我们研究了基于链路稳定的泛在网关联控制问题,该问题的目标是通过智能的接入点和用户间的配对来降低终端切换次数并均衡负载。由于此问题具有NP-hard复杂性,我们分别提出一个集中式近似算法和一个分布式近似算法将问题加以解决。最后,基于真实轨迹数据的仿真实验验证了算法的性能。●基于内容感知的关联控制问题研究本文接着考虑了泛在网的准静态网络场景中关联控制问题。泛在网业务环境极其复杂,其关联控制机制需亟待解决的问题是如何满足异构业务差异化的服务质量需求并同时均衡网络负载。由于传统网络环境中业务的单一性,已有的关联控制研究工作主要关注与如何提高网络吞吐量并在终端间建立公平性,很少有工作将不同业务具有差异化的QOS需求这个因素引入其中,以及进一步将业务差异化QoS需求和网络负载均衡联合考虑。为此,我们研究了基于内容感知的泛在网关联控制问题,以满足不同业务的差异化QOS需求并同时均衡网络的负载。由于该问题具有NP-hard复杂性,我们提出两个近似算法将问题加以解决。最后,算法在多种业务并存的网络中进行仿真验证,仿真结果证明了算法的性能。●基于传输时效的关联控制问题研究同样是在泛在网的准静态网络场景中,由于泛在网中数据量的激增以及对数据传输时效性要求的提高,其关联控制机制还需解决如何提高数据传输量以及如何减少数据传输延迟的问题。这对泛在网中广泛存在的实时类业务尤为重要。一方面受传统网络业务规模和容量的限制,已有的致力于提高传输时效性的研究工作主要针对单个网络接入点或单条链路；另一方面受传统网络业务单一性的影响,已有的关联控制研究工作主要关注提高网络的吞吐量和负载均衡,很少有研究将传输时效性考虑其中,以及进一步对各个实时类业务进行联合资源配置。为此,我们研究了基于传输时效的泛在网关联控制问题,该问题目的在于设计一种根据业务传输时效将网络接入点和终端智能匹配以来提高业务传输时效,保证实时业务的连续性。由于该问题被证明为具有NP-hard复杂性。我们提出两个近似算法将问题加以解决。我们最后对算法进行了网络仿真实验,仿真结果证明了算法的性能。●基于移动支持的关联控制问题研究本文最后考虑了泛在网的高速移动网络场景中关联控制问题。由于高速移动网络的网络拓扑变化迅速,负载均衡不是其主要目标。高速移动网络场景的典型代表是车载网,本文以车载网为例研究泛在网中此场景下关联控制问题。过多的切换次数会给车载终端业务带来很高的传输延迟,同时无线信道的不稳定性随着车载终端位置的剧烈变化也会进一步恶化,导致网络链接频频中断。另一方面,不同于传统无线网络环境,车载网的间歇性特征使得一切力图获得长期稳定传输带宽的努力落空。当前很少有关于车载网关联管制机制的研究工作,这使得车载网一直饱受链路不稳定以及低吞吐量的困扰,很大程度上影响了其商业部署。为此,我们研究了基于移动支持的关联控制问题,该问题目标为利用有效的算法减少终端切换次数,降低链路中断频率以及提高网络吞吐量。我们提出两个在线启发式算法来解决此问题。这两个算法实现简单,利于部署。最后,通过车载网仿真环境的实验验证了算法的性能。