随着软件定义网络、网络功能虚拟化、第五代通信等新兴技术的发展,在提高网络灵活性和操控性的同时,也对路由、计算、存储等网络资源的高效适配带来了前所未有的挑战。近年来,随着人工智能技术在诸多领域取得的巨大成功,人工智能逐渐成为解决复杂网络控制的重要手段。然而,由于网络状态高动态变化,路由资源多样化且呈现大尺度分布,如何在分布式高动态的网络环境中部署智能能力,实现智能驱动的网络路由资源高效调度成为了学术界的热点问题。针对这一问题,本文提出了一种混合式的人工智能路由机制,针对不同的网络业务和场景,将网络智能能力部署在网络的不同位置。在本文中,我们提出了基于深度强化学习的集中式QoS路由机制、基于“差分回报”的分布式路由框架、集中式的多径TCP的拥塞控制策略和分布式路由计算资源管控方法,实现了对网络路由资源与QoS业务精确适配、分布式路由下智能体协同运行、多子流间的带宽资源高效调控和边缘路由计算资源的智能调度,提升了网络整体效用。本文的主要贡献如下:其一,我们提出了一种集中式的QoS业务流量调度机制,实现了网络流量的动态按需分配。我们构建了一套网络细粒度的控制闭环,通过SDN,带内网络遥测等技术实现了网络细粒度状态的上行链路和网络动作的下行链路,构建了网络大脑与底层网络环境的交互框架。在此基础上,我们使用深度强化学习来有效地解决了实时大规模网络的控制难题。其二,针对集中式网络智能架构所带来的计算和交互压力,我们提出了一种基于“差分回报”的分布式路由算法。每个路由器都作为独立的智能体,通过与周围环境的交互来学习其路由控制策略。同时,我们引入了集中式的网络大脑,通过网络的全局视图来不断修正每个路由智能体的策略,使其收敛至全局最优点。其三,针对当前多个接口的多宿主移动设备,我们提出了一种集中式的基于DDPG的多径TCP的拥塞控制算法,实现了网络吞吐量最优化控制。通过DDPG算法实现了在竞争子流之间有效和公平地分配路由资源。其四,针对时延敏感业务,我们提出了一种分布式路由器计算资源管控机制。将时延敏感业务智能的卸载到网络边缘中进行计算,以减少传输时延。我们将该架构中的资源优化问题建模为斯塔克尔伯格博弈模型。同时,为了寻找该博弈的纳什均衡点,我们提出了一种基于“WoLF-PHC”的分布式强化学习资源分配算法,实现了各智能体自主策略学习并收敛至纳什均衡。