该文采取了两种方法从不同的角度提高遗传算法的效率.（1）改进现有的求解组播QoS路由的遗传算法的几个关键环节.针对实编码方式，提出了群体规模应与可选链路最大数相当的原则;根据组播的特点提出了一种易计算且使算法易收敛的适应度函数;在算法的交叉操作上，提出了避免近亲交叉的观点，并提出双向比较调换和单向最大二次循环比较调换的两种实现方法;提出了遗传算法与局部搜索算法分段组合使用的方法.经过上述改进，算法的效率大为提高.（2）将遗传算法和模拟退火算法混合使用计算组播QoS路由，以弥补遗传算法局部搜索能力弱的缺点;采用多步分而治之的办法优选遗传算法和模拟退火算法的参数使得混合算法效率最优，来获得混合算法的参数适应值，该方法选择的参数优于各自原来的适应值.（3）丰富和完善了算法测试指标;计算量、收敛率和平均收敛速率，为合理地评价算法提供了依据.分布式组播路由算法由于它的高效性，得到越来越多的重视，但目前的研究大多基于时延最短的算法，缺乏行之有效的负载平衡的能力.为了在复杂的网络环境下，综合利用网络资源，该文利用Agent技术实现分布式计算、集中式控制的新路由模式.该模式运用了两种Agent：第一种Agent驻留于每个主动网节点，对该节点的当期拥塞程度进行分析统计给出一个模糊值;另一种Agent的功能是动态获取时延，传递网络状态参数，自身能够复制和消亡.依赖两类Agent的功能可以实现静态和动态的分布式组播路由算法：（1）静态路由算法是由各节点分布计算转发概率，根据转发概率值的大小确定路由，并由组播源节点实施控制.（2）动态路由算法是由相关节点分布计算逆向转发概率，最后由动态节点控制路由的建立.针对IP组播在易用性和安全性方面的不足，提出了一种在主干网上实行带度约束的基于IP单播的应用层组播和在边界子网上实行IP组播的网络结构，针对该网络模型的求解是NP完全问题，提出了用Hopfield神经网络求解的方法，并给出了求解方法和步骤.该模型能充分利用IP组播和单播的优点，使组播会话的数据传输更加安全可靠.