网络测试是及时了解网络运行状态、检测网络拥塞、提供接入控制参考依据以及保证网络服务质量(QoS)的基础和必要手段，是传统网络管理系统的有益补充。相对于网络测试，对网络性能评价的研究则相对较少，它不同于网络测试但往往又建立在网络测试的基础之上。 带宽测量属于网络的系统测试范畴，其相关测量算法一直是网络测试领域的研究热点和难题。本文在重点讨论可用带宽测量技术的基础上，对可用带宽测量工具Pathload、Pathchirp进行了改进，实际测量结果表明改进算法在测量准确性等方面改善了测量效果。同时提出了一种基于SLoPS(自加载的周期性探测流)技术的可用带宽自适应判定算法，并从探测包的选择、带宽初始边界的确定、带宽范围的调整以及延时趋势的自适应判定几个方面进行了详细的描述，仿真实验结果表明该算法可行且有效。 网络性能评价能够在给定输入负载下对网络性能进行判定，为用户提供合理控制网络传输的建议。而现有的评价网络性能的手段主要是用于评价早期小规模网络的数学方法等，当网络日益复杂规模逐渐变大时，采用传统方法往往不能解决问题。因此本文将智能方法引入到了评价模型中，采用神经网络、模糊推理以及自适应神经—模糊推理三种方法对用户可感知的网络服务质量、网络综合性能进行评价。仿真结果显示，三种方法都能够根据实际测量的指标参数，对网络性能进行判定。与传统方法相比，采用智能方法不需要建立复杂的数学模型，能够对多个网络性能指标进行综合考虑，使评价结果更加合理有效。在仿真研究的基础上，经过分析对比，选用基于Rprop算法的BP神经网络，并以VC++为开发平台，实现了网络性能评价系统。