移动自组织网络作为一种无线传输的、自组织的、不依赖基础设施的分布式多跳网络,具备可低成本且快速灵活部署的优点,被广泛地运用在军事、救援、户外等领域。但由于其动态拓扑、有限资源、时变链路的限制,传统中心控制的无线通信网络的路由协议已经不再完全适用于去中心化的移动自组织网络,这使得移动自组织网路由协议的研究受到广泛的关注。目前,针对移动自组织网络的使用场景,已经有不少路由协议被提出。然而,这些路由协议在复杂场景下的大规模网络中不具备动态适应的能力,难以满足无线通信网络低时延、高吞吐量、负载均衡等服务质量（Quality of Service,QoS）的要求,因此,本文的研究重点是设计移动自组网的智能优化路由策略以实现该要求。一方面,针对大规模复杂动态网络下的低时延和高吞吐量的要求,本文结合深度强化学习技术,设计了基于优先回放的双深度Q网络（Prioritized Replay Double-Deep Q Network,PRD-DQN）模型的智能路由方案。该方案通过设计路由包去探索并学习网络状态,并根据节点的拥堵程度和链路质量设计路由选择奖励函数,从而使得节点能自适应地获得动态变化网络中的最佳路由策略。通过数值仿真和性能分析,该方案在不同的网络规模下都获得了更优的QoS保证,这为已有的智能路由策略无法有效运用到分布式的移动自组织网络提供了有效的解决方案。另一方面,针对大规模高速率传输网络中的低时延和负载均衡的要求,本文基于优化链路状态路由（Optimized Link State Routing,OLSR）提出了一种基于主备优化链路状态路由（Main Standby-OLSR,MS-OLSR）框架的优化路由方案。该优化方案首先设计了移动节点位置和拓扑变化感知的自适应分组发送策略,以降低路由建立的开销。接着,该方案提出了基于主备多点中继（Multipoint Relay,MPR）节点的主备路由策略计算算法,旨在通过避免OLSR中的MPR节点成为网络中的热门节点,从而保证网络的负载均衡。最后,根据软件仿真和硬件测试的结果分析,该方案相比于其他路由算法在有效降低路由开销的同时具备更低的时延和更公平的流量分配。