基于以OpenFlow为代表的SDN网络设计思想，能够使管理中心扁平化的同时，实现更好地差异化管理，以满足繁杂业务的不同需求。而具有SDN思想网络架构的应用层，需要QoS路由算法等一些关键的支撑技术，这些关键支撑技术将会是整个网络设计的研究重点。　　本文首先介绍了选题的背景、国内外相关的研究现状以及论文的研究目标和内容;然后简述了OpenFlow和SDN的原理及应用，从而引入SDN的思想;接着引入了IPv6的流标签的相关研究和应用。在介绍多约束QoS路由时，重点讲述了蚁群算法和遗传算法两种经典的生物启发式算法，并针对二者的优缺点进行了算法的融合。在给出的设计方案中，用8组仿真实验模仿不同流量规模的实际网络拓扑。在简单介绍实验的基本流程之后，本文给出了流标签的定义以及合理性分析，并将更加细化的测度作为算法的输入数据。接着，作者给出了蚁群算法和遗传算法的相关参数，并对其进行了分析，部分步骤进行了举例说明。实验部分，先通过一组简单的实验证明区分服务（即差异化服务）的有效性，然后在区分服务的基础之上，通过比较蚁群遗传融合算法、单独遗传算法、单独蚁群算法、人工权值Dijkstra算法、单值Dijkstra算法5种算法的实验结果，证明适当地应用启发式算法，并合理地融合相关算法，能够带来相对较好的结果。在设计方案的最后，简要地说明了所研究的路由算法如何应用到实际的SDN网络中。　　本文的研究重点为(1) IPv6流标签的定义和使用;(2)融合智能算法。前者在遵循现有RFC定义的基础上，参考现有的一些方案，提出了可以根据需求进行动态变化的流标签的定义，并具体合理地应用到本文研究的问题中。后者是融合两种智能算法的优点，利用遗传算法的快速全局搜索能力为蚁群算法提供初始信息素，再利用蚁群算法的正反馈性进行后面的路径搜索。这样的衔接，在弥补蚁群算法初始信息搜索慢的缺点的同时，也避免了遗传算法后期信息利用率低的不足。融合算法所使用的参数都是相关领域的经典论文所推荐的参数，本文没有对参数经过进一步优化，如此的比较更能客观地说明融合算法和传统Dijkstra算法的优劣性。实验结果显示，合理适当地利用融合算法，能够得到比传统算法更优的结果，这也为具有SDN思想的网络架构的QoS路由算法应用提供一种选择。