在Internet中,由于多媒体通信和网络视频的增长,网络资源和网络需求之间的矛盾越来越突出,网络路由和网络流量的平衡成为制约网络发展的瓶颈。抑制网络拥塞,提高网络的质量,使网络达到动态均衡,已成为Internet相关技术的研究热点。网络单播、组播路由是检验网络性能的重要指标,在网络研究中的作用越来越重要。特别是在多约束网络中,采用QoS指标讨论网络的质量性能,使网络达到动态均衡;并对网络的延时、延时抖动、带宽、丢包率、业务代价等多个参数同时提出性能要求,这些参数相互独立时,选择满足多个参数限制的路由就成为NP完全问题。在研究网络单播、组播路由的同时,国内外许多学者对网络流量展开研究,主要集中在流量工程(Traffic Engineering,即TE),而流量工程的热点问题又集中在多约束路由。在网络满足多约束的条件下,根据网络流量与资源的状态,通过实施合理的控制,使流量均衡地分布在现有的网络中,从而优化网络的运行性能。本文主要包含网络单播路由、组播路由、网络流量均衡等几个方面的内容,利用群集智能算法的特点,对单播路由优化、组播路由优化、网络流量控制等方面进行系统的研究,同时对算法的收敛性和网络安全等方面进行较为系统分析。本文的主要研究成果包括:1.对QoS网络的路由优化改进技术的深入研究,第一,提出了基于粒子融合的QoS蚁群优化路由算法,使用粒子群算法生成初始解,避免了蚁群算法在局部最优化,拓展了蚁群算法的求解范围,提高了算法的自适应能力和优化精度。第二,提出了基于混沌算子的蚁群优化改进多约束QoS路由算法,利用混沌“随机性”、“遍历性”及“规律性”,能够快速获得全局最优解的优点,采用混沌因子改进蚁群算法,提高了搜索性能,算法搜索到的结果总体要明显好于基本ACO算法。仿真结果表明,两种改进算法具有较高的优化性能。2.结合组播路由网络的特点,对多约束条件在组播网络展开分析,在此基础上提出了基于克隆粒子群融合的约束QoS组播树算法。在提出新的播路由算法中,通过粒子的速度和位置变化查找组播树,并且利用免疫克隆算法混合搜索,从而减少了局部搜索和全局搜索的时间。通过克隆算子的引入,增加了克隆复制、克隆变异、克隆选择等3个环节,在克隆变异阶段,利用变化后的个体以一定的概率具有更高的适应性能,然后利用克隆选择环节,避免了种群易经常出现的退化,而且提高了算法收敛速度和全局搜索能力。仿真结果表明,该算法具有更好的优化性能。3.通过对网络流量和网络路由之间的关系进行了深入分析,提出了基于带宽受限模糊权重的蚁群优化控制算法(Fuzzy-ACO)。在基于带宽受限的蚁群优化控制算法中,利用模糊控制网络流量权重,建立网络流量的数学模型,降低了大量的探测分组带来了网络开销;并通过采用时间顺序输入不同流量,可以动态及时的反映网络性能,对网络性能进行实时监控,从而使网络流量和网络路径达到动态平衡。同时将系统流量权重融入信息素中,利用信息素动态地控制在多条路径中选择最佳路径,提高了蚁群算法全局搜索能力。仿真结果表明,算法优化效果明显,运行速度快,并显著加快了传统算法网络流量的探索收敛速度。4.对于多约束条件的蚁群优化算法,往往约束条件的取舍及函数的设计尤为重要,针对QoS条件下蚁群算法的收敛性展开讨论,重新定义其信息素的选取,从理论上证明该算法的收敛性;并且还论证在带QoS约束条件的蚁群算法中,信息素发生变化的时间点,以及信息素的取值范围,从而证明该类蚁群优化算法收敛的可控制性,通过实验仿真说明该算法的实用性。对该算法局部和全局收敛性展开研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础。5.通过对网络安全的分析,借助生物聚类的机理,防范网络入侵的危害,提出了一种基于交叉融合粒子群优化算法的聚类分析,由粒子群算法形成初步的聚类中心,再由蚁群算法进行二次优化,仿真实验表明,该算法与基本聚类算法相比较,聚类组合方法能够明显改善聚类质量。论文对网络单播路由、组播路由、网络流量均衡做了较为全面深入的分析和讨论,提出了多种有效的改进措施,并证明了算法的收敛性,提出了网络安全聚类分析的方法,实现了群集智能算法在网络分析上的应用。最后对所做工作进行了总结,并提出了进一步研究的方向。