近年来随着移动互联网的发展,视频、语音、文字等多媒体内容的传输需求越来越大,内容分发成为移动互联网的主要需求。命名数据网络(Named Data Networking,NDN)更好地支持了网络的内容分发,成为未来网络的研究热点之一。无线自组织网络的便捷组网方式和健壮的网络特性带来了越来越多的应用,如车辆网络、灾难应急通信等。以内容为中心、支持移动性等特点使得将命名数据网络应用于无线自组织网络具有很多优势。但是由于传输业务不同、节点的移动性、无线链路的不可靠、节点资源受限以及网络拓扑不断变化等特点,对网络的服务质量提出了更高的要求。因此本文将研究如何提高命名数据无线自组网中的服务质量(Quality of Service,QoS)。针对命名数据无线自组网中的QoS需求,本文从两方面来进行研究。首先,各种类型的业务对网络传输的需求有所不同,迫切需要命名数据无线自组网能够在保证数据传输的基础上,针对不同的业务提供基于区分服务的资源分配,改善业务的传输质量。此外,由于命名数据无线自组网的动态拓扑变化、信道衰落等特点都极大的影响着网络的性能和服务质量。因此,迫切需求通过优化路由决策来保证各类业务数据的高效传输。为了实现命名数据无线自组网中的资源分配需求,本文提出了 一种基于区分服务的多优先级仿生竞争机制(Multi-priority Bionic Competition Mechanismbased on Differentiated Services,MBCM)。首先,根据以内容名称命名的特点,设计了在内容名称中标记服务类型字段来区分不同业务的方法,路由节点可以根据内容名称中的类型字段来对兴趣包(Interest package)和数据包(Data package)进行区分。然后,为了实现合理的资源分配方案,在EDCA协议的基础上,综合考虑相同类型数据之间的内部竞争和不同类型数据之间的外部竞争,建立了基于多优先级仿生竞争的区分服务传输模型,保证了网络的稳定性和动态适应性。最后通过仿真实验验证了本文所提机制的有效性,能够提高各类业务的网络吞吐量,降低传输时延和丢包率,保证各类业务数据的友好高效传输。为了提高命名数据无线自组网中的路由传输能力,本文提出了 一种基于深度Q学习的多业务多路径路由机制(DQN-based Multi-service Multi-path Routing Mechanism,DMMRM)。首先,针对命名数据无线自组网节点移动、网络拓扑不断变化等特性,建立了基于分簇的网络模型,在簇头节点实现路由策略的算法学习和路由转发;实现了基于深度Q学习的多业务多路径路由机制,根据时延、带宽、节点稳定性、缓存命中率等性能指标建立了基于深度Q学习的路由优化机制,能够根据网络状态的变化及时更新路由策略,实现最佳的路径转发。之后,根据多路径的优势,提出了多业务多路径机制,设计了三种路径约束来为不同类型的业务提供合适的传输路径,提高了数据传输的高效性,保证了网络的负载均衡。最后通过仿真实验评估了本文所提机制的有效性,实验表明该机制能有效提高请求成功率、降低响应时延、保障各类业务的带宽利用率。