战术弹性网络(Tactical Resilience Network,TRN)是未来战场通信的重要应用场景。随着网络规模不断增加,以及资源共享需求的提高,人机协作作战模式的提出,传统面向连接的通信网络已经很难支撑战术弹性的作战特征,具体表现为通信容量无法跟上网络规模的增加,战术特征往往又对通信条件产生苛刻约束。为此,从物理层向上发展,在理论上逐步出现了存储及计算等诸多维度上的研究探索,扩展在网络中信息的智能化传播能力。从业务层向下发展,在网络结构上逐步出现了软件定义网络(Software Defined Network,SDN)等结构的数据转发和控制分离设计理念,并逐步具备了网络虚拟化和接口开放能力,全面解决了网络中面临的扩展困难、灵活性不够等发展瓶颈问题,促进网络向动态灵活的方向演化。因此,如何在未来网络中引入智能化、灵活性的工作特点,使其能够全面支撑战术网络的弹性特点,将成为未来重要的研究方向。本文基于战术弹性网络的特点引入了战术面向服务结构(Tactical Service Oriented Architecture,TSOA),通过结合面向服务结构(Service Oriented Architecture,SOA)的设计理念和方法,实现了按需索取的服务结构。与面向连接的通信结构不同,上述服务结构能够克服战术弹性条件下集中式管控方案所存在的服务延时、服务器压力过大等诸多灵活性不足问题。具体而言,本文在TSOA服务框架下,重点研究以提高分布式服务管理效率为目标的去中心化的服务管理方案,同时研究分布式智能化服务查找方法,从而提高节点自主决策能力以降低面向连接通信理念的压力。本文设计了基于分区策略的新型服务管理方案,充分考虑节点的中心度、服务热度、服务大小、服务生命时长、服务可用性和服务转发概率等因素,将节点的缓存空间分为服务缓存区和中继缓存区两部分,并结合两种缓存区存储服务的不同特点设计了不同的服务缓存策略和服务替换策略,实现了更为智能的服务管理。本文在ONE中实现了设计方案,与传统战术通信网络中的服务管理方案进行了性能对比,验证了本文设计方案的优越性。本文充分利用网络节点的存储能力和计算能力,提出以学习过程为基础的服务查找方法。基于结合主动学习的随机森林算法,节点拥有自主决策能力且能够结合实时系统状态做出最优的决策。利用训练得到的决策模型,节点可以选择当前最合适的数据包进行转发存储,从而提高数据包的转发效率,进而提升系统的服务查找效率。此外,节点在每一次转发事件发生的同时发送节点相遇信息,更新网络信息,使得系统具有较高的自适应特性。本文通过ONE模拟器实现了基于随机森林算法的服务查找方法,并设计仿真场景与已有的服务查找方法进行了详细的对比,验证了本文设计的服务查找方法的高效性和自适应特性。综上所述,本文研究了战术弹性网络下的服务发现与管理问题,提出利用分布式非注册式搭建战术面向服务结构的思路。本文重点研究使用基于学习过程的方法来提高服务管理效率以及服务查找效率的方法。