随着计算机网络的飞速发展，多种多样的网络应用日趋流行，计算机网络的性能受到了前所未有的关注，如何有效地监测并推理网络性能成为网络管理领域的一个十分重要的课题。当前的网络性能推理技术着眼于网络时延、链路丢包率等性能指标展开研究并取得了显著的成果，但这些技术依然面临很多亟待解决的问题，包括对网络造成的额外负载过重、实时性较差等，距离快速、准确的网络性能推理的目标依然存在一定的差距。　　 本文在深入研究和分析现有网络性能推理技术的基础上，针对网络链路丢包率的推理，根据不同的网络规模特征分别设计了基于数学规划的小规模网络和大规模网络的丢包率推理算法，利用数学规划方法的优势克服了现有网络性能推理中存在的探测开销大、实时性差、测量时间长、推理结果准确度低等问题。算法根据网络相关信息，将丢包率推理问题转化为数学规划问题，具有耗时较短、结果较准确并且可以避免对网络造成大量额外负载等诸多优点。本文还在仿真网络环境和真实网络环境中开展了实验，将本文提出的算法与现有的网络性能推理算法进行比较分析。实验结果表明，与现有算法相比，本文提出的基于数学规划的网络性能推理算法能够更加准确、快速地得到推理结果，具有显著的优越性。