随着互联网、云计算技术的发展以及各种应用和业务的增长,作为基础设施的网络系统日趋复杂,网络流量动态多变,使路由算法设计难度增大。传统路由算法依赖于研究人员对网络环境的建模,导致算法在复杂网络环境下的设计周期长,相关参数的设定和优化难度大,因此,如何根据网络环境特征设计最佳路由规则以均衡网络负载成为了重大挑战。基于强化学习的路由算法根据网络负载均衡状况自动探索最优路由策略,并利用深度神经网络拟合网络状态-路由策略的映射关系,自动生成相应的路由规则,提高了路由规则的生成效率。然而当前强化学习路由算法在路由决策空间较大时仍然存在神经网络收敛性不佳以及实际部署中数据采集成本高,计算开销大等问题需要解决。针对当前强化学习路由算法在决策空间较大时易出现神经网络收敛性不佳而引起的网络负载均衡问题,本文提出了Difference of the Equal-cost-path Bandwidth Utilization(DEBU)的强化学习路由算法。该算法基于分布式训练策略,利用多个独立的智能体协同训练,增加了算法的探索能力,避免神经网络陷入局部最优解,提高了算法的收敛性。同时,以最小化等效路径带宽利用率的差异为优化目标,使训练后的路由算法能根据网络流量状态动态调整不同等效路径的流量占比,网络负载更加均衡。仿真结果表明,采用所提算法在Fat-tree和随机生成的网络拓扑中均获得了更好的均衡效果。对比基于权重的强化学习路由算法和基于Deep Deterministic Policy Gradient(DDPG)强化学习的多路径路由算法,所提算法的吞吐性能分别提升了12%与8%。针对实际部署过程中网络流量数据采集成本高,强化学习路由算法的训练开销大的问题。本文提出了基于迁移学习的路由决策模型优化方案。该方案采用基于特征映射的迁移学习方法,通过缩小实验网络数据与目标网络数据的最大均值差异距离,使算法能够将实验网络中收集到的流量数据用于目标网络的模型训练中,在满足模型训练需求的同时降低目标网络中数据收集的成本。利用基于模型的迁移学习方法,通过模型参数的迁移,最大化保留算法在实验网络环境中学习到的知识,提升了模型在目标网络环境中的训练速度。仿真结果表明,迁移学习映射方法提高了不同数据集分布的相似度,减小了算法对目标网络数据量的依赖,网络的吞吐性能提升了8.7%。相比于随机初始化参数的方法,利用训练好的模型参数初始化神经网络可以实现13.7%的求解速度提升,且得到的模型具有更强的泛化能力。