随着互联网用户数的增加以及信息的增长,传统架构的网络在许多方面已经不再能满足人们的需要。新型的软件定义网络（SDN）架构实现了数据平面和控制平面解耦合,使通信设备的控制功能集中在一起,同时提供了统一接口,增强了控制层的编程能力,提升了网络优化运行的能力。虽然SDN具有这些优点,但是SDN主要基于集中控制架构,且主要面向的应用是有线骨干网,在军事领域的网络系统中应用时仍会面临许多新的挑战,本论文将针对这些问题展开研究。通信网络对于军事应用系统的重要性不言而喻,军事环境通常复杂多变,并且军用网络往往具有整体的移动性,因此需要具有更快速感知网络状态变化,同时也需要具有更好的抗毁能力。本文从基于可移动的分域分布式SDN分层控制架构出发,针对军用无线网络应用需求,设计了自主可控SDN交换机和控制器,并就网络资源状态感知、流量预测、负载均衡、网络抗毁等四个方面进行了研究,取得的主要成果如下:（1）针对军用专网移动性引发的网络资源状况跟随周边环境呈现动态变化的复杂问题,提出了一种网络资源建模与多维表征技术。通过对多维环境参数的特征提取和聚类,降低各维度的变量空间及多维表征模型训练的复杂度,实现网络资源在复杂军事环境约束下的快速有效描述。以实时地预测、评估当前所处环境下的网络资源状况,便于实现对网络资源的准确高效匹配,提升网络资源的利用率。（2）为了给网络资源的智能调度和恢复算法提供决策依据,提出了一种基于小波变换和长短期记忆（LSTM）神经网络的流量矩阵预测方法。利用小波变换和Mallat算法对具有波动性的流量序列进行分解,以表征网络状态的整体趋势和局部细节的特征。所提的WT-LSTM预测模型达到了预测流量变换趋势和所需精确度的效果。（3）提出了一种基于SDN架构的负载均衡算法。随着网络传输体量的扩大,尤其是对于节点动态变化的无线网络,很容易出现流量拥塞问题,导致网络传输效率大大降低。为使网络能够快速的调整达到均衡状态,提出了一种基于Q学习的负载均衡算法。该算法重点考虑了各链路的可用带宽和时延,采用最大Q值方法筛选出一条负载分配最优的路径,有效提升了网络的负载均衡效率。实验结果表明,所提的负载均衡算法,降低了网络链路的最大带宽占用率,同时提升了网络的吞吐量。（4）面对军用无线网络应用场合对SDN网络的强壮性需求,以及现有的SDN自带恢复机制恢复时间长的问题,提出了一种针对SDN网络链路中断问题的Q学习抗毁算法。该算法充分考虑了链路的中断概率,利用奖励函数进行迭代运算,可为重要通信选择一条不易中断的路径作为备份路径,以保证在数据传输的主路径出现中断的情况下,可以及时切换到备份路径进行正常稳定的数据传输。仿真结果的验证和实际系统的应用表明,所提算法在抗毁方面具有较好的性能,并且结合多维表征技术实时地评估链路的中断概率,可以进一步提升算法性能,实现更好的抗毁效果。论文的最后是总结归纳和展望。