随着大数据、云计算、人工智能等技术的快速发展,数据中心的数量和规模也在不断扩大,数据中心已经成为世界上消耗电能最多的能源大户之一。如何提升数据中心能效成为了当前数据中心研究的热点问题之一。数据中心网络(Data Center Network,DCN)的能耗占到数据中心总能耗的10-20%。因此,提升数据中心网络能效会对数据中心整体能效有明显改善。当前数据中心网络通过冗余部署大量的网络设备应对网络流量的峰值需求,网络的实际负载通常远远低于峰值负载,导致大量网络资源及能源的浪费。高速率无线传输技术具有低功耗、可灵活部署等优点,被广泛用于数据中心网络性能优化的研究中。然而,如何充分利用可重构的无线资源提升网络能效成为有线无线混合数据中心网络亟需解决的问题之一。针对该问题,本文进行了如下研究:首先,本文调研了现有数据中心网络架构,并根据数据中心网络能效的指标,分析了数据中心网络能效与网络架构、网络流量之间的关系。在此基础上,讨论了现有数据中心网络高能效路由技术,并分析了这些技术的优缺点。面向有线无线混合数据中心网络拓扑结构,提出了一种基于无线效用优化的胖树(Fat-Tree)有线无线混合数据中心网络高能效架构优化方法,改善混合拓扑下的网络能效。首先依据无线链路的有限覆盖特性,以无线覆盖的均匀性和最大化架顶交换机间无线效用为优化目标,构建了Fat-Tree有线无线混合网络高能效架构优化模型。然后针对非线性整数规划的高能效混合网络架构优化问题,设计了一种基于遗传算法的贪心随机适应求解方法。最后通过仿真结果表明,该方法能有效降低有线无线混合网络的平均路径长度,增加无线平均减少的交换机数量,从而提升了有线无线混合数据中心网络的能效边界。面向有线无线混合数据中心网络能效与路由关系,提出了一种基于无线卸载的有线无线混合数据中心网络高能效路由方法,提升了混合网络的整体能效。首先以保障流量需求为约束,以最小化网络整体功耗为优化目标,建立了有线无线混合网络路由优化问题,并证明了该优化问题是NP-Hard。然后,利用有线无线混合拓扑特征,设计了一种基于拓扑权重变换和松弛-取整的两阶段求解算法。该算法创新地将0-1整数约束通过拓扑权重变换松弛为线性拓扑约束,从而降低了问题的求解复杂度。最后构建了基于Python的流级仿真和基于OMNet++的包级仿真路由算法性能测试平台。仿真结果表明,所提算法较现有算法能够在保证网络流量需求的同时,降低网络设备的功耗,从而提升了网络能效。