随着互联网发展，网络流量爆炸式增长，面对灵活多样的应用需求，互联网固有的架构早已不堪重负，网络需要融入更多的灵活性，即通过对网络的感知、配置从而灵活有效的利用资源。SDN软件定义网络是一种创新的新型网络架构，其核心思想是:通过数据与控制平面的分离，借助统一、厂商无关的控制与数据平面开放接口，无论是研究人员还是网络管理人员都可根据顶层服务或网络控制应用构建和呈现逻辑的全网视图，完成网络分片和底层网络的虚拟化，从而为形式各异的网络应用提供灵活的承载服务。　　SDN体系架构发展过程中存在不少亟待解决的难点，如控制面形态的集中与分布，多控制面的可用与有效协作，自适应的配置与管控网络资源等。本文分析了自主认知在SDN网络中的重要作用，在SDN体系中抽象提取了认知平面，提出了基于认知的SDN网络的体系架构，并分析认知平面的各部分对SDN网络管控所起的作用，本文主要工作及创新点如下:　　(1)从业务流分析入手，对目前网络业务特性进行了深入挖掘和总结。分析和研究现存的聚类算法，从优化面向SDN服务承载网的链路利用率的角度，针对网络业务时间等特性提出了二次聚类的算法。该聚类算法从人的因素出发，发掘不同时间段业务特性对业务流聚合的影响，并兼顾业务流QoS特征指标进行聚类，仿真表明该算法能有效的提高链路利用率。该算法可适用于差异化业务流的合并需求，较好的解决了不同业务流合并和分类问题，具有一定的普适性。　　(2)把感知得到网络资源的动态变化与不同业务特征及对SDN网络管理需求有效的结合起来，通过对需求、网络资源的多粒度建模，形成了支撑可变粒度的联合资源表征方法。解决了不同类型的业务如何构建合适的SDN服务承载网问题，借鉴人工智能中的智能体探索源目的路径的思路，提出一种集拓扑视图、状态视图、资源视图为一体的新型网络视图，基于该视图及联合资源表征方法设计了适配的认知管控策略方法。仿真表明，该方法在知识表征、策略库构建及基于智能代码的面向SDN服务承载网信息搜索、资源重分配等管控问题上能完成对网络的优化处理，同时并未引起明显的计算开销。　　(3)提出了一种控制平面和多个数据平面之间表同步算法，该算法采用优先级消息队列与定时发送同步消息机制，可有效避免在分布式数据平面节点间表项下发时问差和丢包造成的内容不一致，实验表明，该算法在数据平面节点间表发生不同步情况，可以快速、准确地检测并恢复，从而提高SDN数据转发平面的稳定性和可靠性。　　(4)从SDN网络控制平面的高可用性角度出发，为了解决备份信息在选路及传送过程中存在的竞争与协作问题，提出了一种基于博弈论的备份协作激励机制，该机制保障网络控制节点可用性的同时，保证了控制节点资源负载公平性。借鉴强化学习的理论方法提出了一种基于Q学习的旁路路径选择算法和基于Q学习节点分流算法，仿真证明该算法能在有效时间内收敛并明显的提高网络备份信息的吞吐量，对整个控制平面的高可用性提高起到了关键的作用。　　本文的研究依托973计划项目“可重构信息通信基础网体系研究理论”、863重大项目“可重构路由器构件组研制”，以及“可重构柔性试验网组网设备工程化实施”。研究成果可为未来国内新一代高可信网络大规模实用化组网试验提供技术支撑。本文也为SDN网络动态资源优化和资源管理技术提供了一些新方法和研究思路，对进一步探索SDN的资源智能分配与自主管理问题以优化SDN网络资源利用率提供一定的参考与借鉴。