随着互联网、移动互联网和云计算的高速发展,加上未来5G全面的部署,物联网、人工智能的大力兴起,网络业务多样化发张,网络中的流量已呈现爆炸式增长,传统的网络架构中管理方法单一,对于网络流量的无法做到灵活快速有效的调度,严重影响服务质量,使得如何有效调度网络流量成为解决网络问题的一大热点。针对这个问题,本文首先提出了一种转控分离的全新网络架构SDN(软件定义网络),重点介绍了SDN的架构和协议,包括集中控制特点、南向协议OpenFlow等,该架构提供可编程接口,能够编程实现流量调度策略。然后在蚁群算法的基础上,利用遗传算法的两次优化,针对蚁群算法中关键参数(α,β,ρ)的优化和针对蚁群算法初期信息素缺乏的优化,提出一种遗传蚁群算法,重点介绍了蚁群算法和遗传算法的基本原理、关键操作、参数选取以及实现步骤,比较两种算法在实现流量调度时的优缺点,设计一种遗传蚁群混合算法的实现过程以及基于SDN架构下的实现。最后在mininet仿真平台中自定义数据中心网络拓扑,利用iperf工具产生概率模型流量来模拟真实数据中心网络流量,测试结果表明,利用遗传蚁群算法,数据中心网络的平均带宽利用率高并且时延低。仿真实验表明,与使用单一的算法相比,遗传蚁群混合算法能快速的找到网络中最优的转发路径,显著提高数据中心网络的负载均衡能力。