QoS路由是网络QoS控制技术的一个关键技术,它的基本任务是为一次连接寻找一条有足够资源、能满足QoS要求的可行路径。随着各种业务量的增加,网络拥塞现象日益严重,负载均衡的目的就是实现网络资源的优化使用,提高网络资源的利用率。基于负载均衡的路由算法可以使网络中的不同链路、路由器和交换机之间平衡业务负荷,更好地避免部分资源被过度使用而另外一部分为未充分利用。随着无线宽带网络技术的快速发展,频谱资源愈显“匮乏”,能够提供“伺机接入”的认知无线电技术开始被重视,这也给路由算法带来了新的挑战。论文主要研究了不同网络模型下的QoS路由与负载均衡路由算法及相关技术。时延约束下的最小费用路径问题是一个典型的QoS路由问题,论文提出了一种基于拉格朗日松弛法的路由算法,通过将链路费用参数吸收到延时参数中,同时在迭代过程中结合延时约束条件,可以在多项式时间内找到一个最优或较优解,并对该算法进行了分析和仿真,证明了算法的正确性。蚁群算法属于仿生学算法,被大量应用于求解NP完全问题。论文针对实际网络的特点,提出了并行迭代方式的蚁群优化算法,并通过仿真说明了该算法在性能上与采用串行迭代方式的算法持平但在实际消耗的时间上远小于串行方式。如何根据带宽请求合理建立LSP,提高网络资源的利用率,是MPLS的重要研究方向。论文在分析最大流算法的基础上,提出了MCRA算法,在选择路径时,算法同时考虑到了最大流零流边对最大流的影响以及MPLS网络中各出口-入口对之间带宽资源的竞争。仿真结果表明,与参与测试的算法相比,最小竞争路由算法能够接受更多的路由请求。针对支持多速率传输的无线Mesh网络,以博弈论中的循环囚徒困境的“针锋相对”战略为启发,论文提出了节点间亲密度的概念,并以此为因子激励节点间的合作。节点是否对RREQ分组进行转发取决于是否符合自身利益,它们的决策影响到相关节点间的亲密度。最后通过仿真证明了该方法能够有效地改善网络性能。在认知无线电Mesh网络中,由于此用户采用“伺机接入”方式与主用户共享信道,因此给定数据传输需求和有限频谱资源限制的条件下,为了能够在最短时间内完成用户的数据传输需求,必须将路由、调度和频谱分配联合考虑。频谱分配算法是认知无线电网络中路由算法的关键技术之一,为此提出了基于图论的分配算法,算法的目的有两个,一个是最大化分配的信道带宽,另一个是最大化同时活动的用户数。算法结合了染色模型和二分图匹配模型的优点,仿真结果表明算法改善了CR网络的性能。