随着互联网的高速发展,网络应用和规模的急剧增加带来了网络流量的爆炸式增长。巨大的流量不仅对网络性能和服务质量提出了新挑战,同时也对网络资源的有效利用提出了新要求。流量工程的目的是在有限的网络资源下,通过路由优化算法,实现网络流量负载均衡和网络资源合理分配,以保证良好的服务质量和网络性能。然而,传统路由协议及路由优化算法存在局限性,网络性能低、服务质量差、网络利用率不高等问题亟待解决。同时,针对实际网络场景和需求,面向流量工程的互联网域内路由优化在集中式节点增量部署的互联网路由策略确定、广域网任务级流组路由策略确定、广域网不同优先级流量的路由策略确定等方面存在挑战。本文针对面向流量工程的互联网域内路由优化这一关键科学问题,依据不同网络场景的实际需求展开研究,主要内容和贡献点如下:1.针对集中式节点增量部署的互联网域内路由优化问题和集中式节点的增量部署问题,提出了分布式链路权重和集中式节点分流联合优化算法,以及基于遗传算法的增量部署方案。对路由优化问题建立了基于多商品流问题的混合整数规划模型,提出了启发式调整链路权重和线性规划求解集中式节点分流方法。对增量部署问题,提出了遗传算法来确定最佳部署位置和数量。实验验证了所提出算法能够降低网络最大链路利用率,提升网络性能。2.针对广域网任务级流组的域内路由优化问题,提出了单个和多个流组的路由选择和任务放置的联合优化算法。通过建立具有语义关系约束的混合整数非线性规划模型,提出了近似算法以获取规约任务放置位置和流组路由策略。实验验证了所提出的算法能够缩短流组完成时间,提高服务质量。3.针对广域网不同优先级流量的域内路由优化问题和网络更新问题,提出了路由选择联合优化算法以及网络更新算法。对路由优化问题建立了流量优先级相关的混合整数非线性规划模型,提出了基于遗传算法的高优先级流量广域网出口与流量的路由求解算法。针对网络更新问题建立了线性规划模型,提出了最小化状态变更的网络无拥塞更新算法。实验验证了所提出的算法能够提高网络利用率,实现网络快速无拥塞更新。综上所述,本文围绕面向流量工程的互联网域内路由优化问题进行了数学建模,提出了启发式或近似算法求解。实验表明了所提出算法的正确性和有效性。