随着多媒体技术、计算机网络技术以及人机交互技术的飞速发展,多媒体内容开始逐渐深人到人们的日常交流、工作以及娱乐等各个方面,而由其所带动的多媒体应用也开始改变人们使用因特网的方式,将人们对高质量多媒体内容的需求带入了前所未见的高度。现如今,人们利用社交网络分享的内容已经不仅仅局限于文字和图片,音频和视频内容也变得非常常见。而近年来逐渐流行的高分辨率设备以及虚拟现实等新兴技术,在丰富了用户感官体验的同时,也显著推动了人们对高质量视频内容的需求。作为这一发展的必然结果,经由网络传输的多媒体内容,无论是在数量、大小还是类型上均有显著增长。飞速增长的多媒体流量给网络传输带来了包括服务质量保证、传输效率以及服务异构用户等在内的多项挑战,不同领域的研究人员也分别从编码、网络架构以及传输方案等角度提出了相应的改进措施。其中,对网络架构进行改进有着特殊的意义。一方面,现在的互联网架构是在上世纪末基于点对点通信模型而设计的,在面对如今大量应用所需求的一对多服务模型时,不能提供很好的支持。另一方面,优化底层网络架构,可以从根本上解决传统网络在承载视频业务时遇到的瓶颈,为新型编码方案(如分层编码等)以及新型传输方案(如自适应串流等)提供了实际应用的基础。例如近年来流行的软件定义网络(software-defined networking, SDN)和命名数据网络(named data networking, NDN),分别从灵活路由管控和一对多分发这两方面出发,针对传统网络在传输多媒体内容时的固有缺陷,提出了有效并且根本的解决方案,为提高多媒体内容的网络传输性能创造了极大潜力。本文主要以目前学术界热门的软件定义网络架构为基础,考虑多媒体内容传输的性能和效率优化。我们将考虑经典软件定义网络架构下的路由问题,以及带有缓存节点的软件定义网络架构下的路由和缓存问题。具体来说,我们首先考虑传统无缓存功能的软件定义网络架构,在传输多媒体内容时,利用多路径路由算法满足多媒体内容对带宽、延时、路径差分延时等指标的要求,并配合多媒体业务的分层特性来提高接收用户的体验。在此基础上,我们继续考虑支持网络中缓存的软件定义网络架构,希望通过在部分网络节点引入缓存功能来提高网络的传输效率。在支持网络中缓存的软件定义网络架构下,我们通过设计新的路由算法,在计算路径时考虑利用缓存节点来提高网络的传输效率。最后,在优化路由的基础上,我们展开对缓存节点的优化,利用在线机器学习技术设计热度感知缓存替换算法,显著提高缓存节点的缓存命中率,从而协助路由算法进一步节省带宽占用。论文的主要创新点以及贡献如下：1)本文提出了一种针对分层多媒体业务的多路径传输方法,通过在分配路径时考虑多媒体内容的层间优先级.为高优先级数据分配质量更好的链路,从而针对性地提高分层多媒体业务的服务质量,为分层编码技术提供了应用土壤。我们所提出的路由算法可以同时考虑用户请求多媒体内容时对带宽、延时、路径间差分延时以及层间优先级的要求,利用软件定义网络的灵活路由特性,为用户请求动态计算并分配相应的路径,从而提高网络传输性能。2)本文提出了一种支持网络中缓存的路由方法,为了充分利用网络中具有缓存功能的中间节点,我们设计了一套基于整数线性规划(integer linear programming, ILP)的路由算法,利用软件定义网络的全局路由特性,将流量合理分配、汇聚至缓存节点,以充分发挥缓存节点对带宽的节省作用,从而提高网络传输效率。3)本文提出了一种针对多媒体内容的网络缓存技术,我们设计了一套基于在线机器学习的新型缓存替换算法。算法通过学习多媒体内容在何种情况下热度如何变化,从而对内容的未来热度作出精确预测。相比于直接学习内容的热度,我们的方案有着更快的学习速度。由于采用无模型估计,我们的方案也打破了传统算法对内容热度分布函数的依赖,并且能快速追踪内容热度随时间的变化。我们从理论上证明了算法学习性能收敛至最优,也证明了缓存命中率次线性收敛至最优。在使用了真实系统数据的仿真评估中,我们所提出的算法不仅在缓存命中率上优于对比算法,并且也大幅降低了缓存替换次数,有效缓解了传统缓存替换算法对网络缓存系统产生过大I/O压力这一问题。我们所提出的算法有着对数时间复杂度,实际运行速度快于LFU等工业界常见算法。