随着信息时代的到来,当前互联网体系结构所存在的缺陷与不足变得日益突出,以往的增补式改良方案无法彻底解决由互联网自身的设计缺陷所导致的诸多问题。基于对网络技术发展的认识和对未来网络的理解,近年来很多研究人员试图构建能够满足未来网络应用发展需求的新型网络体系结构。在这个背景下,命名数据网络作为众多具有革命性的下一代网络架构设计方案中最具竞争力的一个,其发展受到了越来越多的关注。目前关于命名数据网络的架构设计已初具雏形,而对于相关关键技术的研究则尚待完善。命名数据网络的提出旨在解决大规模内容分发的高效传输问题,为此其在设计中引入了许多新的理念和功能。由于没有考虑这些新特点,现有的适用于传统网络架构的传输机制未能充分发挥命名数据网络的优势。因此设计符合命名数据网络架构特点的传输机制,对于提升其数据传输性能具有重要的理论意义和实际应用价值。本文针对命名数据网络中的数据传输问题,分别从动态请求转发和拥塞速率控制两个方面探讨网络性能的优化问题。根据所考虑问题的特点,本文主要利用随机优化和纳什议价博弈的思想分别建立满足命名数据网络协议架构特性的网络优化模型来描述相应的网络控制过程,并在模型的基础上提出实际可行的模型求解算法以获得相应过程的最优控制策略,从而实现网络性能的优化。本文旨在为命名数据网络在实际应用中可能面临的数据传输问题提供有效的解决方案和指导性建议,从而推动命名数据网络体系架构的实际部署和应用。本文的主要工作和创新性可以概括为以下几个方面:第一,针对命名数据网络中的动态请求转发问题,以网络整体作为研究对象,根据离散事件动态系统中基于事件优化的思想提出了一种基于部分可观Mancov 决策过程(Partially Observable Markov Decision Processes,POMDP)模型的请求转发策略。我们将网络节点间相互发送的待服务请求个数作为网络状态,以此来描述网络资源的使用情况,然后在定义与内容请求相关的各类事件及其可用行动的基础上给出了网络状态的演化规律,进而得到命名数据网络中请求转发问题的POMDP模型的具体表示。该模型采用基于观测的参数化随机策略作为命名数据网络中节点的请求转发策略,并以网络的长期平均期望性能作为策略优化的目标,不仅能够合理利用命名数据网络为实现高效数据传输所引入的全新设计与技术,而且能够处理由命名数据网络体系架构本身的特点所导致的请求转发决策过程中的不确定性问题。此外,考虑到问题的规模和模型的复杂度,我们给出了一种基于样本轨道估计的策略梯度优化算法以求解POMDP模型的最优策略。仿真实验结果表明,本文所提出的基于POMDP的动态请求转发模型和策略优化算法能够有效地提高命名数据网络的数据传输性能。第二,根据命名数据网络中内容请求逐跳转发的特点,考虑单个路由器数据平面中的请求转发问题,提出一种基于事件驱动的半Markov决策过程(Semi-Markov Decision Process,SMDP)模型优化方法。我们首先给出数据平面中端口状态、事件类型以及决策行动的相关定义,从而将该问题抽象为一个有限状态的连续时间SMDP模型。通过将所有端口的状态信息作为决策依据,该模型实现了路由器上各端口间的负载均衡。此外,由于考虑了不同内容请求类型间的区分服务问题,该模型能够更合理地分配有限的网络资源,实现网络资源利用率的最大化。针对模型的求解,我们提出一种基于神经网络的Q学习算法,通过结合Q学习算法的强化学习能力和神经网络的函数逼近能力以解决理论计算方法和传统强化学习方法所面临的“模型灾”和“维数灾”问题。最后,通过仿真实验对所给模型和算法的有效性进行多维度评估。实验结果显示,相比于现有的转发策略,该模型能够反映命名数据网络的特点,实现高效的自适应请求转发。第三,运用合作博弈论中的纳什讨价还价模型研究了命名数据网络的拥塞控制问题。首先根据命名数据网络中逐跳的流平衡特点,分别考虑请求兴趣包和响应数据包对链路拥塞的影响,并将最大化效用函数的纳什积作为优化问题的目标函数,建立网络节点对间带有约束条件的请求速率控制博弈模型。然后通过设计合适的效用函数以及对该问题进行拉格朗日对偶分解,得到可在两个网络节点上分别进行独立求解的子优化问题以及原优化问题的对偶问题。进而利用纳什议价的博弈方法求解对偶问题,并运用局部拉格朗日法将子优化问题进一步分解为基于请求流的速率优化问题,从而得到基于纳什议价解的逐跳的请求兴趣流速率控制策略。此外,我们还讨论了在实际应用中部署所给拥塞控制策略的相关问题。仿真对比实验结果表明,所提拥塞控制策略不仅能够使链路资源利用率达到最大化,而且实现了不同请求流之间资源分配的比例公平性。