工业控制网络不断增长的网络复杂度对网络拓扑设计时的网络服务质量(QoS)保障提出了挑战。工业界的经验拓扑设计方法在网络规模增长时难以保持高效与可靠,而现有的通用网络拓扑设计研究没有考虑工业应用对于网络实时性和可靠性等苛刻需求。因此需要研究针对工业应用需求的网络拓扑设计与优化问题,保障工业控制网络QoS性能。本文以新一代的工业控制网络技术——工业以太网作为研究对象,以工业应用对网络性能的需求特点和工业以太网协议标准体系中的网络QoS保障机制为基础,研究工业以太网QoS性能的分析评估方法以及面向不同应用需求的拓扑设计与优化方法。全文主要研究内容包括以下几个方面：(1)作为工业以太网拓扑设计的基础,提出网络实时性和可靠性的快速分析评估方法,并在此上提出了实时风险系数作为拓扑优化的实时性优化指标。通过仿真实例验证实时风险系数有效地评估了多环网络实时性能的鲁棒性,而无需遍历所有可能故障造成的网络实时性能下降程度。(2)对于网络结构受限的工业应用,构建了基于相对延迟的设备分配问题模型,综合考虑传输延迟和不同的实时需求,仿真计算结果表明该问题模型更适应工业应用的实时需求多样性特点。然后分别提出基于随机密钥编码的稳态遗传算法(Steady-state Genetic Algorithm, ssGA),简化变邻域搜索算法(Reduced Variable Neighborhood Search, rVNS),以及基于自适应邻域变换的ssGA-rVNS混合算法解决该问题。仿真计算结果表明,提出的三个算法在不同的流量分布和问题规模下,都改进了已知遗传算法的效率；特别是ssGA-rVNS混合算法以同样的时间代价得到最好的算法性能,且性能改进随着问题规模增加而增加。(3)对于网络结构无限制的工业应用,构建更具通用性的工业以太网拓扑设计问题模型,其特点包括：综合考虑实时性、可靠性、快速冗余恢复等多网络QoS需求；基于环冗余管理机制,考虑多环物理拓扑与树状逻辑拓扑的双层规划；基于实时性能的鲁棒性考虑,利用提出的实时风险系数作为实时性优化目标。然后分别提出基于权重Dandelion编码的约束非支配排序遗传算法(Constrained Nondominated Sorting Genetic Algorithm-Ⅱ, cNSGA-Ⅱ)和多目标变邻域搜索算法(Multi-objective Variable Neighborhood Search, MOVNS)解决该问题。仿真计算结果表明,实时风险系数作为优化指标更有效地引导算法搜索改进实时性能；cNSGA-Ⅱ算法显著低于已知算法的时间复杂度,提高了算法效率；MOVNS算法得到收敛性和分布性更好的Pareto解集,在cNSGA-Ⅱ算法的基础上进一步提高工业以太网拓扑设计问题的解决效率。在所有的仿真实例中,新的设计方法均以更小的成本代价保障了网络实时性和可靠性。通过研究工业以太网QoS性能评估方法,拓扑设计与优化问题以及与之对应的优化算法,本论文建立了面向工业应用的拓扑设计与优化方法,可以辅助工程师进行控制系统的设计。