随着我国经济水平的提高以及互联网科技的发展,各种网络电子设备在人们日常生活中变得随处可见。大量网络敏感应用诸如线上网课、远程会议以及视频点播等也开始逐渐兴起,这与服务质量（Quality of Service,简称QoS）的提出是分不开的。QoS保证了网络流量的高速传输以及各种应用的顺畅运行,按照不同用户的需求合理的调度网络资源。但是这也间接导致了网络规模逐渐增大,众多的通信网络节点相互连通,各种链接更是交错复杂,使得网络拥塞现象频繁发生。网络拥塞具有“传染性”,它会从最初的节点开始,逐渐向外扩散,使其余的相邻节点甚至整个网络产生拥塞。最终将会导致网络的延迟大大增加、丢包频繁甚至瘫痪崩溃。因此,及时识别网络中的拥塞现象,并提供合理的拥塞控制方案是当前亟待解决的问题。本文首先介绍了网络拥塞的成因和危害,详细阐述了国内外目前广泛使用的拥塞识别控制方法以及拥塞控制评价指标。然后概述了 QoS技术领域的基本内容,并对网络流量的自相似等特性进行分析,介绍了每种特性与之关联的流量预测模型。针对网络中节点数量繁多、拥塞识别难度大的问题,提出了一种基于蚁群算法的网络拥塞识别方法。该方法借助改进后的蚁群算法进行寻优,并通过监测拥塞前后最优交叉路径的改变,成功缩小拥塞识别范围,进而确定具体拥塞位置。该方法对解决NP-C问题、快速寻找网络中的拥塞节点,为在根源问题上提升网络通信质量提供了重要帮助。接着本文引入随机早期检测（RED）算法对找到的拥塞节点进行控制,并对RED算法不足之处进行改进,提出了曲线RED即CRED算法,使其更适应网络流量的实际变化情况。最后将CRED算法与蚁群算法相结合,对发现的拥塞节点进行了合理控制,较好地解决了网络拥塞问题。在后续工作中,本文还借助MATLAB和NS2平台,对基于蚁群算法的网络拥塞识别方法进行了仿真,证明了借助蚁群算法判断交叉路径的改变来进行网络拥塞识别不光是简单易行的,而且还避免了传统测量方法带来的一系列弊端。本文还将RED算法和CRED算法进行对比仿真,证明了 CRED算法在拥塞控制方面更加优越。与此同时,还证明了基于CRED算法的拥塞控制方法可以使网络拥塞得到明显的缓解,与蚁群算法相结合后可以快速找到一条满足用户需求的低时延路径。本文最后将基于蚁群算法的网络拥塞识别方法实际应用到城市路网系统中,再次验证了这种拥塞识别方法可以准确找到城市拥挤路口,此外还将基于CRED算法的拥塞控制方法在通信网络系统中模拟,为交警提供了一种缓解交通拥挤的思路。