目前,随着Internet迅速、广泛的发展,网络拥塞慢慢成为一项制约Internet发展的重要因素,网络中出现越来越多的具有网络服务质量(QoS)要求的业务,而这些业务对QoS提出了更高的要求,因此为了确保网络稳定性及其它QoS机制的正常工作,通过合适的方法预防和控制拥塞是目前网络研究的重要方向之一,也是本文所要做的功课,即针对基于遗传免疫粒群优化的网络拥塞控制方法给出了详细的分析,具体内容如下：(1)系统分析网络拥塞和网络拥塞控制机制,引出利用新型微粒群优化算法解决拥塞控制的想法,在此基础上对仿真工具NS2及其在网络建模、拥塞控制上的应用进行了分析。(2)在对拓扑模型分析的基础上,对网络服务质量QoS路由算法及其网络性能指标等进行了详细解析,给出QoS路由优化数学模型,为之后进行路由优化、网络拥塞控制奠定了基础。(3)将遗传算法(Genetic Algorithm, GA)和免疫算法(Immune Algorithm, IA)引入到微粒群优化算法(Particle Swarm Optimization, PSO)当中,给出了遗传免疫粒群优化算法。即引入遗传算法中的交叉和变异两个机制、免疫算法中识别和选择两个思想,相对提高了适应度较好的个体机率,同时确保个体微粒的多样性不会受到影响,这样新个体既能跳出局部最优点,又能保留优秀个体的特性,避免了个体的过分集中。(4)对网络路径参数设置和路径优化指数进行了分析,给出了基于遗传免疫粒群优化的网络拥塞控制方法。该方法跟以往传统方法不同,以负载均衡分布函数和资源消耗函数作为优化目标,在进行优化前要先满足带宽、时延等多项网络指标,基于QoS路由模型对网络负载进行路径规划,达到资源消耗率与负载尽量均匀分布的平衡。