近20年来,计算机通信和信息技术获得了快速的发展,而移动互联网和4G时代的到来,更是让人们对数据内容的需求呈爆炸式增长,传统的网络通信架构逐渐不能满足大数据时代海量高速的信息传输需求。为了适应这一转变,基于集中控制的软件定义网络和高可靠、低时延的内容中心网络架构被提出。由于路由技术和缓存技术是影响网络中信息传输性能的关键技术,所以设计出合适的路由算法及高效缓存机制并与这两种革新式的网络架构有机结合是本课题的研究重点。在传统网络中,由于无法知道网络全局拓扑,路由算法无法考虑链路的实时状态,导致链路利用率较低。而在软件定义网络中,路由计算不仅可以获得全局性视图,还能从转发设备中分离出来,由控制器独立完成。因此本文针对软件定义网络中的路由机制进行研究,提出一种遗传蚁群融合感知路由算法。该算法首先通过遗传算法进行全局搜索,产生优选方案,然后蚁群算法再充分利用这种正反馈信息,缩小搜索次数,快速、精确地找到最优路径。即使设计出基于软件定义网络的高效路由算法,也只能保证每次的报文转发路径是最佳的。如果没有高效的缓存策略,网络中会出现许多相同内容请求的冗余传输,消耗掉大部分的系统资源,影响整体网络性能。因此,本文引入内容中心网络的思想,提出一种基于节点介数和跳数的高效缓存策略。该策略在比较节点重要程度的同时强调缓存分布的公平性,有效减少重复数据的传输,提高传输效率,从而对海量数据内容及大流量视频信息的处理、存储和转发具有一定的理论价值和实践指导意义。