软件定义网络是一种数据与控制相互解耦的新型网络架构,很大程度上提升了网络的灵活性,因而受到了学术界的广泛关注,并已成为未来网络领域的重要技术之一。本文选题来自国家自然科学基金,重点针对控制平面的负载均衡技术、节点休眠技术、信息同步技术和软件定义天地一体化网络的资源分配问题展开了研究。论文的主要研究内容及取得的研究成果包括:1.针对多控制器架构设计和被动式负载均衡的问题,综合考虑了水平式和垂直式多控制器架构的优缺点及软件定义网络的具体特征,提出了一种分布-集中结合式的多控制器架构,研究了基于该架构的双门限负载均衡算法,并进行了仿真实验,验证了该算法的有效性。此外,当前的负载均衡算法通常是在超载问题出现后,才被动地进行负载均衡,为负载均衡过程引入了较大的策略生成和策略下发时延。为此,本文为控制平面引入了学习和分析能力,提出了一种基于强化学习的负载均衡算法,实现了负载均衡策略的提前部署,仿真验证了该算法在负载均衡和算法时延上具有良好的性能。2.针对控制器数量增多而引起的控制平面能耗增加的问题,论文提出了一种基于M-N策略的节能算法,仿真验证了该算法在节能方面的突出性能,但是由于该算法需要转移休眠控制器上的负载,也引入了额外的数据包等待时延。针对这一问题,论文又进一步提出了基于拓扑分析的节能算法,通过分析不同控制器的拓扑特征,有选择地对控制器进行休眠,仿真验证了该算法具有较小的数据包等待时延。3.针对控制平面信息同步在可实施性、安全性和可扩展性方面的问题,论文提出了一种基于授权区块链的信息同步方式,将区块链当作安全可信的第三方服务系统,为控制平面提供了可实施的、安全的和可扩展的信息同步服务。此外,考虑到控制平面中差异化的信息同步需求,在授权区块链中不应只使用某一种固定的共识机制,本文还对多种共识机制进行了建模,使之可以满足控制平面中差异化的信息同步需求。4.针对软件定义天地一体化网络的资源分配问题,首先提出了软件定义天地一体化网络的体系架构,该架构可以实现资源的灵活管理;其次利用该架构中控制平面的全局信息,对网络中的资源进行了抽象分类,分类为通信资源、存储资源和计算资源,并对这三维资源进行了抽象表征;最后在资源抽象表征的基础上,将三维资源联合分配问题建模为马尔科夫决策过程,并利用深度强化学习算法对该问题进行求解,得到全局最优的联合资源分配策略,仿真验证了该算法在资源利用率上的突出性能。最后,总结了全文的研究内容,并展望了软件定义网络技术的发展方向和今后的研究工作。