随着Internet的迅猛增长及具有实时要求的新兴业务(如VoIP，视频会议、多媒体远程教学、视频点播等)不断出现，用户对网络服务质量(QoS，Qualityof Service)的要求越来越高。 路由问题处于网络的核心地位，也是决定网络传输质量的主要因素之一。QoS路由(QoSR，QoS Routing)是QoS研究中的核心技术和热点问题。传统路由算法满足不了用户的QoS要求，而且在最短路径上容易产生拥塞。因此，需要采取一定的约束路由机制来平衡网络负载，提高传输效率。QoS路由的出现就能够有效地解决这些问题。多约束条件下的QoS路由问题是一个NP-完全问题，一般采用启发式算法寻找其次优解。网络链路状态信息的非精确性是客观存在的，因而研究非精确网络状态信息下的QoS路由算法十分必要。多路径路由算法在克服网络状态信息非精确性方面具有较好的性能，并能有效平衡网络负载。 现有的QoS路由算法有各种启发式算法、神经网络算法、遗传算法和蚂蚁算法等。这些算法往往存在约束条件单一，没有考虑网络负载平衡，也没有考虑与传统最短路径优先路由算法的共存问题等缺陷。 基于现有方法存在的局限性，本文研究了非精确网络状态信息下的多路径QoS路由算法，在改进原有算法的基础上，提出并实现了2种QoS路由算法：Minpath算法和KMulpath算法。Minpath算法基于改进的Bellman_Ford算法，通过剪裁策略减少了算法的搜索空间，寻找出满足带宽、时延和跳数约束的最小代价路由。KMulpath算法采用深度优先搜索策略，计算并预存K条满足带宽、时延和跳数约束的QoS路径。通过路径评价函数和对路径带宽利用率的比较，找出最优和次优路径。在最优路由失效时迅速转到备用的次优路由上去，极大地减少了重路由开销，能有效解决由于链路状态信息的非精确而引起的问题。 为了验证算法的有效性，用ns-2建立网络仿真场景，采用这两种QoS路由算法进行仿真试验。通过与传统算法性能的比较，可以看出这两种算法能平衡网络负载，提高网络资源利用率，具有较好的性能。 对QoS路由算法与传统最短路径路由算法的共存问题进行了初步探讨。在仿真中根据网络流量的变化自适应调整路由策略，动态选择是采用原来的最短路径路由还是QoS路由，从而解决了与传统路由算法的共存问题。实验结果表明KMulpath算法能与传统算法良好共存，同时提高了网络性能。