随着移动互联网使用的普及,以及信息流量的爆炸式增长,光纤网络凭借着传输速度快、通信距离远、抗干扰能力强等优势被用来承载大规模网络。而光前传网络作为光与无线融合接入网络的重要承载网络是移动通信网络当前的研究热点之一。同时,随着高铁等交通工具的普遍使用,产生了以高移动性为特点的新兴用户业务类型,这对移动通信网络带来了巨大挑战。本文从高速移动场景下,由于移动用户小区切换更为频繁而产生的通信服务低质量问题出发,从光前传网络入手,设计了面向光前传网络的多节点智能路由切换方案,从而在频繁切换的状态下提高用户通信质量,降低用户通信中断率。本论文的主要工作以及创新成果如下:第一,设计了基于类脑发育模型的智能路由机制,在基本的路由选择算法的基础上,通过类似于大脑的机制,使路由策略可以直接快速地与用户和网络状态进行映射。当网络面临巨大的计算压力时,用户可以在通信过程中快速规划最优路由路径,而无需使用底层的长时间路由选择算法,从而可以有效地减少平均延迟并降低通信中断的可能性。第二,设计了基于改进的PrefixSpan算法的移动用户轨迹预测方案,在高移动性用户切换到下个小区节点之前,对当前用户未来移动轨迹进行预测,从而提前确定用户即将切换的下一个小区节点,预先为用户选择最优路由路径,预留部分资源,使用户到来时可以快速实现通信。第三,设计了基于深度强化学习的光前传网络智能路由方案,深度强化学习利用深度神经网络强大的特征提取以及数据表示能力处理强化学习面临的的高维度环境特征,大幅提高了其收敛速度和性能表现。将深度强化学习引入到光前传路由选择中,使光前传网络通信质量更高的最优路由选择。