网络服务质量(Quality of Service, QoS)属于一种网络安全机制,它具备疏通网络交通、保证网络传输效率、防止网络阻塞等优势。目前的网络技术,在提高网络传输速度、保证网络安全的同时,QoS的重要性也逐渐显现出来,网络服务质量的提升,可以更好的利用网络资源,减少由于网络阻塞、资源独享而产生的开销。QoS组播路由问题是一种满足网络约束的组播策略,可以提高网络资源利用率。该问题的主要任务是在网络环境中寻找一条满足约束条件的路径,其中的约束条件包括带宽、时延、时延抖动和费用等。QoS组播路由可以对不同的用户提供不同的服务,满足网络环境的动态性、异构性。实验证明,超过两个约束的QoS组播路由问题是一个多项式复杂程度的非确定性完全问题(Non-deterministic Polynomial Time Complete, NP-C),即无法在任何一个多项式时间内寻找到问题的解。解决NP-C问题的方法有很多,目前针对QoS路由优化,较为成熟的算法是蚁群算法,由于蚁群算法是分布式的智能算法,具有鲁棒性、一定概率的全局性,高效的空间搜索能力,故成为了解决优化问题的有效的启发式算法之一。但蚁群算法具有盲目性,无针对性,对路径搜索时间较长,易出现停滞现象。该算法最重要的不足是缺乏对动态网络环境的适应性。因此,本文对人工免疫系统进行了研究,并针对QoS组播路由选择问题,尝试在免疫系统中寻找解决NP-C问题的途径,并提出了将动态克隆选择算法(Dynamic Clonal Selection Algorithm, DCSA)应用在QoS路由选择问题中。DCSA算法是一种具有动态特性的克隆选择算法,该算法多数被应用于网络故障诊断,可以解决自体集多变的环境问题。本文以解决当前QOS组播路由算法前期收敛慢、缺乏动态性为目的,通过研究DCSA算法的特性,寻求该算法在QoS组播路由问题中的衔接点,发现人工免疫系统普遍存在局部最优、新种群元素生成效率低等缺点。因此,课题从智能仿生算法入手,分析研究目前多种流行的仿生算法理论。由于人工鱼群算法具有前期收敛速度快,全局性好及适用于组合优化问题等特点,所以课题选取人工鱼群算法作为DCSA算法改进的理论依据,并提出了新算法对应的模型,详细介绍了各模块的结构。最终将改进后的DCSA算法应用于QoS组播路由问题,在实验阶段,根据实际网络环境,建立更符合实际的随机网络结构进行模拟实验,实现QoS组播路由算法。