随着自动驾驶、智能工厂以及工业自动化的发展,传统现场总线已经无法满足它们对于高带宽,实时性及安全性的要求。为了满足通信需求,在工业4.0的时代,运营技术与信息技术不断融合,IEEE工作组开发了统一的标准化协议组TSN,即时间敏感网络。高效的网络调度算法可以及时可靠地传输数据,同时结合路由优化来控制数据流量的转发与传输,实现网络中数据流的确定性传输。TSN中通常用基于信用整形器的机制来调度AVB流量,但是该机制通常会增加整体时延,国内外很多研究学者也忽略了此问题,因此本文主要针对此问题,重点研究AVB流量的调度问题并提出解决算法。TSN中的流量调度问题可以映射到众所周知的无等待作业车间调度问题,基于这种数学模型,本文的主要工作创新点如下:1、提出了一种混合遗传禁忌搜索算法,用于TSN中的流量调度,优化最大传输完成时间。由于无等待调度模型下,流量调度可最终归结为排时问题和排序问题,该算法则是解决了排序问题,也就是确定流量的开始传输顺序。该算法首先使用遗传算法产生初始种群,通过选择、交叉、变异等一系列操作生成新个体,再使用禁忌搜索算法对这些新个体进行优化,求得优化结果。该算法将遗传算法和禁忌搜索算法的优点结合起来,使其全局搜索能力和局部搜索能力都较强。2、提出了一种基于K最短路径的负载均衡路由算法,用于考虑流量的路由问题,使得链路负载均衡,优化最大传输完成时间。该算法是在混合遗传禁忌搜索算法的基础上,考虑链路负载均衡,充分利用空闲链路进行流量调度。该算法通过结合K最短路径算法,根据每条流的前K条候选路径,考虑拓扑中的链路负载情况,确定各条传输流的路由,从而使得链路中的负载达到均衡,不会造成链路拥塞。实验表明,通过混合遗传禁忌搜索算法进行的流量调度所得结果比传统的遗传算法和禁忌搜索算法所得结果都要好,比遗传算法的结果低15.79%,比禁忌搜索算法的结果低10.48%,并且加快了迭代收敛速度。通过基于K最短路径的负载均衡路由算法所得的传输完成时间比传统的直接采用最短路径算法的时间低10.17%,有效地降低了因链路拥塞导致的时延增加。本文针对TSN中流量调度中所存在的高时延、迭代收敛慢、路由之间相互影响的问题,提出了新的调度算法可以明显地减小流量的最终传输完成时间,保证流量的确定性传输,为系统的实时可靠性设计提供重要的技术上的参考与保障。