随着互联网服务的发展,业务流量的种类和数量发生剧增,传统的分布式网络架构面临挑战。软件定义网络(Software Defined Network,SDN)的出现,对多业务流量场景中的路由策略制定提供了新的思路。本课题主要针对当前网络中常见的多业务流量并存的场景,利用SDN网络集中控制和可编程的优势,通过设计非自然蚁群算法(Unnatural ant colony algorithm,UACA),实现一种既能够满足业务流量的服务质量(Quality of Service,QoS)需求,又能对网络中的流量进行负载均衡的UACA路径优化系统。本课题的研究内容包含两个方面。首先,本课题提出一种SDN环境下的非自然蚁群负载均衡算法,将网络中的数据包视为蚂蚁,将链路中通过的数据包个数和信息素的浓度相关联,从而实现负载均衡。利用Top-K最优路径算法将非自然蚁群算法的候选路径进行筛选,同时设计SDN环境下的链路信息收集机制来获取链路状态参数,将链路状态参数同对应链路信息素的蒸发速度相关联,实现了对算法模型的优化。其次,基于所提算法,本课题在ONOS控制器的基础上,通过在应用层开发六个模块来实现UACA路径优化系统。各模块分别是QoS需求注册模块、流量识别模块、信息素管理模块、链路状况感知模块、非自然蚁群算法模块和流表生成下发模块。其中非自然蚁群算法模块基于本课题设计的非自然蚁群算法实现,实现了确定性和概率性路由相结合的路径优化模型。本课题通过在Mininet仿真平台上模拟常见的多业务流量场景的网络,使用Iperf命令模拟业务流量,进行了多组对比试验。实验结果表明:相对于Dijkstra最短跳数的单路径选择算法和等价多路径路由算法,本课题所设计的路径优化系统在大流量网络和链路状况波动较大的网络中,能够较好的保障业务流量的QoS属性需求、具有较低的丢包率和较小的端到端时延。