随着网络规模的日益复杂,网络承载的业务种类日渐增加,不同业务对网络的带宽资源和服务质量(Quality of Service,Qo S)需求呈现出显著的差异性。传统网络架构因其相对独立的分布式管控机制不能实现灵活的带宽控制,无法满足多业务需求的动态变化和管控系统的自适应性。知识定义网络(Knowledge Define Network,KDN)是一种将知识平面与软件定义网络(Software Defined Network,SDN)架构结合的新型网络架构,其知识平面提供机器学习模型的运行载体,由SDN提供数控分离的网络管控逻辑,有利于网络更加灵活地管控带宽资源。针对网络中动态变化的业务带宽需求,如何在KDN架构下为多业务提供灵活自适应的带宽分配方案,并实现网络的最大化效用价值是一个重要的研究课题。传统带宽分配方案分别从时延、吞吐和抖动等性能指标去衡量网络的运行效率,从效用价值的维度去评价网络的可用效益。然而单一的优化目标难以达到性能与效用的均衡,难以满足业务差异化的Qo S需求。针对差异化Qo S需求的多业务场景,本文提出了一种基于深度Q网络(Deep Q-Network,DQN)的效用带宽分配方案,实现多业务需求的动态带宽管控。针对不同的分配目标量化相应的效用价值,利用DQN模型与网络状态的交互反馈进行训练,适应动态变化的带宽需求并得到最大效用价值的分配结果。结果表明该方案能够得到最大的效用分配带宽,适应带宽需求的动态变化并提高链路带宽利用率,在网络效用与性能方面均具有优越性。为了提高网络管控系统的灵活性和自适应性,本文详细研究知识平面及KDN架构的特点,设计并实现一个基于DQN模型的知识平面原型。通过整合知识平面、控制平面以及数据平面来搭建KDN的网络架构,并基于此设计和实现一个面向KDN的带宽分配系统及其通信方法。该系统包括流量采集、流量识别、路由规划以及带宽分配等四个功能模块。各功能模块之间协同工作,实现对KDN架构网络的流量、路由以及带宽资源的统一有效管理。通过系统平台的搭建测试以及带宽分配模块的功能测试,验证系统平台及模块功能的有效性。结果表明在多业务需求变化的模型场景下,该系统能够实现有效的带宽分配功能,提高管控系统的运行效率。