随着网络流量的急剧增加,人们对网络的需求越来越多样化。传统的网络架构已经无法满足人们对网络的需求,软件定义网络(SDN-Software Defined Network)试图提出一种新的网络架构来解决这些问题,SDN网络架构最显著的特点是控制平面与数据平面分离,网络流量可编程化以及集中式控制。尽管如此,在新的网络架构下,网络所面临的问题依然没有消失,由于架构的更新,其解决方案也不同于之前的传统网络架构,因此,如何在SDN网络下进行服务质量(QoS)保障就成为了当前研究的热点。本文研究了两个问题,首先是现有的QoS评估模型只有定性评估模型,而无定量评估模型,因此本文构建了一种基于业务匹配度的QoS评估模型,该评估模型在SDN网络架构下,将QoS属性划分为可测量的运行属性和可预测的性能指标,通过提取出的QoS运行指标对性能指标进行预测,并创建基于马尔可夫的QoS动态感知模型,通过QoS运行开销的马尔科夫状态转移概率得到权重系数,同时引入了代价属性,结合运行花费对云数据中心某项具体业务的服务质量进行评估;其次是针对传统的负载均衡方法对SDN网络优化效果不明显的问题,本文尝试结合群体智能优化算法来实现负载均衡,并充分利用了SDN网络控制平面的集中特性。首先利用LLDP和SNMP协议在内存中构建网络拓扑的邻接矩阵,随后将该问题转化为最短路径寻优问题,并针对网络的负载均衡问题做出以下两点改进,一是使用迪杰斯特拉最短路径树初始化链路上的信息素初值使起始路径更具有指导性,二是使用业务源矢量引导迭代过程,使得迭代寻路时选择的路径总是更靠近终点且资源可用度较高的节点。最后通过仿真工具搭建仿真拓扑,对提出的两种改进方法进行实验验证,仿真结果表明本文改进的QoS评估模型具有较好的可用性和适用性;同时也成功将改进的群体智能优化算法应用到基于SDN的负载均衡研究中,并具有良好的特性。