如今视频传输已占据因特网中绝大多数的带宽,传统的视频组播方式会产生大量的带宽浪费。而新兴的大规模多层低地球轨道（Low Earth Orbit,LEO）卫星网络可以通过星间链路进行带宽优化的视频组播,显著减少流量浪费。目前对于卫星网络组播路由的研究集中在IP组播,但其路由性能和可拓展性有限,并不适用于大规模卫星网络。新兴的软件定义组播（Software Defined Multicast,SDM）技术能够在大规模卫星网络中实现优越的组播路由,但目前对于SDM的研究仅限于地面网络。为此,本文提出了一种多层LEO卫星网络的SDM架构,并分别针对多层卫星网络SDM架构中的普通路由场景和避障路由场景设计了带宽优先的组播路由树构算法。主要工作可分为三点:（1）提出了一种多层LEO卫星网络的SDM架构。本文利用逻辑位置和时隙切分技术将多层LEO卫星网络建模成多层曼哈顿网络,并针对多层曼哈顿网络设计了SDM架构下的流表转发规则以减轻组播管理的负担、降低卫星的内存消耗。（2）针对普通路由场景,设计了一种时间复杂度为（9）log9))（9）为组播成员点数量)的多层直角斯坦纳树（Multi Layer Rectilinear Steiner Tree,ML-RST）构造算法。本文将生成图和边替换扩展到多层场景,并基于多层生成图和多层边替换设计了ML-RST构造算法;实验表明,本文的算法相比其他算法能够在带宽优化方面带来平均约10%的性能提升,大大减少了带宽浪费。（3）针对避障路由场景,设计了一种时间复杂度为（（9）+7）)~2log（9）+7)))（9）为组播成员点数量,7)为障碍边数量)的多层避障直角斯坦纳树（Multi Layer Obstacle-Avoiding Rectilinear Steiner Tree,ML-OARST）构造算法。本文首先对多层LEO卫星网络中的障碍建模,然后基于障碍模型设计了多层避障生成图并证明了多层边替换在避障场景中的有效性,最后基于多层避障生成图和多层边替换设计了ML-OARST构造算法;实验表明,本文的算法相比其他算法能够在避障的同时提升带宽优化的性能,并且可以显著降低网络拥塞度。