近些年，互联网的发展十分迅速，网络流量呈指数增长，这给位于互联网最核心部分的骨干网带来了巨大的压力，骨干网的网络规模随着流量的快速增长而急剧扩大，这使得骨干网的网络能耗大大增加。骨干网的节能问题已经受到了学术界和工业界的普遍关注，如何提高骨干网的能量效率（简称能效）成为了当前的一个研究热点。传统的骨干网设计所遵循的是超额资源供给和冗余设计两大原则，这虽然保障了网络的性能，但同时也大大降低了网络的能效。因此，已有研究开始将能效作为目标重新设计路由，其主要思想是将骨干网中各链路的流量进行汇聚，使得更多的空闲设备能够进入低能耗状态，在满足网络流量正常传输的同时最大程度地减少骨干网的能耗，这种新的路由设计称为能效路由。然而已有的能效路由算法分别存在网络稳定性差、能效低的问题，而且所使用的鲁棒性算法在应对突发情况时会大大降低网络的能效。本文从当前能效路由算法所存在的问题出发，系统地分析了集中式和分布式场景下的能效路由机制，取得了以下创新性研究成果:　　(1)基于时间区间的集中式能效路由算法　　对于集中式能效路由算法，已有的研究只关注当前时刻的最优解而忽视了相邻时刻最优解之间的差异性变化，在实际中会大大降低网络的稳定性。对此本文提出了一种基于时间区间的集中式能效路由算法CPMLV，在减少网络能耗的同时显著提高网络的稳定性。CPMLV算法通过预测流量矩阵而建立一个基于连续时间区间的能效模型，并在此基础上考虑各个时刻最优解之间的关系，选择相邻时刻链路变化最小的一组解，实现提高网络稳定性的目的。其中对于流量矩阵的预测，本文还专门提出了一种基于时间序列与矩阵分解的流量矩阵预测算法TSMFP，该算法将传统的时间序列预测模型与流量矩阵自身的低秩及时空约束等性质相结合，可以取得更加准确的流量预测结果，相比已有的预测算法可以提高10％至20％的性能。在此基础之上，提高网络稳定性的问题被最终转化成了一个寻找最短路径的问题。实验结果表明，CPMLV算法可以在减少网络能耗的同时显著提高网络的稳定性，与经典的集中式能效路由算法相比，CPMLV算法提高了30％的网络稳定性，而只降低了5％的能效。　　(2)基于贪心策略的分布式能效路由算法　　当网络规模较大或者中心节点无法获取到整个网络的信息时，集中式能效路由算法不再适用，必须采用分布式能效路由算法，然而已有的分布式算法所取得的能效较低。对此本文提出了一种基于贪心策略的分布式能效路由算法GBTR，将全网总功耗达到最小时的约束条件作为贪心准则，更加准确地反映了网络能耗所受到的制约因素，提高了网络的能效。GBTR算法基于MPLS的流量工程模型灵活地配置路由，对于每个源-目的节点对选择了多条路径分配流量，这使得各源-目的流在路由时有更多的选择空间，能够让更多的设备进入低能耗状态。在算法执行过程中，各路由器会自适应地根据所转发的流量大小和所需要的带宽容量进行基于能量感知的路由器配置。本文分析了GBTR算法在全网范围内各节点间的同步执行情况和异步执行情况，同步执行由于存在共享链路的冲突问题而影响算法的性能，异步执行则采用图着色理论将各源-目的节点对进行分组，同一组内不含有相同的链路，从而解决了共享链路的冲突问题。本文通过构建合理的势力场函数，证明了GBTR算法在异步执行时可以收敛到一个全局稳定的纳什均衡状态，并且该状态下各源-目的节点对的流量分配方案为相应的帕雷特最优解决方案。实验结果表明，GBTR算法的异步执行版本可以通过多次迭代来不断改善自身的结果，与已有的其它典型的分布式能效路由算法相比可以提高15％至20％左右的能效。　　(3)基于能量感知的鲁棒性算法　　能效路由算法由于减少了网络中的冗余资源而加大了网络应对突发情况的难度，直接使用传统的鲁棒性算法又会严重降低网络的能效。对此本文提出了一种基于能量感知的鲁棒性算法EAR，以能效为目标改进了传统的鲁棒性算法，使得能效路由算法在应对突发情况时使用更少的额外能耗开销。由于突发情况往往会导致网络拥塞，算法首先针对网络拥塞问题采用了基于能量感知的流量均衡策略，该策略将能效路由和流量均衡相结合，可以在不影响网络能效的同时将各源-目的流均匀地分布在多条路径上以降低网络的最大链路利用率，从而达到避免拥塞的目的。实验结果表明，EAR算法可以降低10％的最大链路利用率。目前对于突发情况，主要考虑的是流量激增和链路故障这两种情况。对于流量激增，EAR算法采用一种基于能量感知的激增流重路由策略，根据最大流最小割原理计算最小割上需要恢复的链路容量，并将休眠链路的功耗作为最小化目标函数进行求解，保证在应对流量激增时使用最少的能耗开销。当激增流大于最小割时，原问题可以转化为背包问题并通过动态规划进行求解。实验结果表明，EAR算法在处理流量激增时可以减少10％左右的额外能耗开销。对于链路故障，EAR算法采用了一种基于能量感知的路径保护策略，在路径保护的同时考虑能效的因素，保证算法在应对链路故障时使用最少的能耗开销。实验结果表明，EAR算法在处理链路故障时可以减少10％左右的额外能耗开销。