传统的互联网结构采用TCP/IP体系,构成分布式网络,难以满足数据中心急剧增加的数据量和业务,无法应对更大规模的流量传输和服务质量保障。SDN网络的核心是分离控制和转发,同时具有结构透明、可编程、转发高效的特性。目前的SDN网络仍采用传统的最短路径算法,面对大规模的流量传输时常常会引起拥塞,造成带宽利用率的下降和丢包。本文提出一种采用强化学习的路由算法,它能够高效地为流量找到合适的转发路径,有效提高Fat Tree拓扑下的SDN网络的吞吐量、平均带宽利用率,降低转发过程中的丢包率。首先,本文详细介绍了SDN网络的结构及Open Flow协议的工作原理,并使用虚拟网络仿真软件Mininet和远程SDN控制器Ryu实现了SDN网络的搭建。在此基础上,本文设计了多个Ryu APP模块来实现SDN网络的控制、转发功能,并完成了多种路由算法的部署。除此之外,本文设计了一种适用于SDN的环路处理方法,有效避免ARP包和IPv包洪泛造成的网络瘫痪。然后,本文以Q-learning算法为基础设计了一种适用于SDN网络的QR路由算法。该算法对传统的强化学习算法进行了改进,设计了动态变化的探索率并引入了效用迹,并设计了奖赏函数以满足不同需求。在Fat Tree拓扑下进行的仿真结果表明该算法能够准确地为流量找到合适的转发路径,相比于传统路由算法能够有效提高网络吞吐量和平均带宽利用率,并降低平均丢包率。最后,本文实现了以pica8可编程SDN交换机为基础设计的硬件SDN网络平台,以树莓派作为主控设备,在上层部署应用层相关应用实现网络的发现、维护、路由功能,通过串口发送指令使硬件交换机中完成动态拓扑构建。本文搭建的硬件SDN网络平台可实现自定义动态拓扑变化,并保证终端设备的数据传输。