软件定义网络(SDN,Software Defined Networking)是一种被视为将取代传统IP网络的新型网络架构,受到计算机学术界和业界广泛关注。SDN的核心在于互相分离的控制平面与数据平面,控制平面上的控制器可以集中控制整个SDN网络,并通过一种OpenFlow协议获取数据平面的状态信息。SDN网络这种能够轻松获得网络拓扑的特点为实现根据流的不同服务质量(QoS,Quality of Service)等级选择不同的路由奠定了基础。现如今,常用的SDN控制器中的路由模块都采用最短路径算法,该算法实现简单、工作有效,但已经无法满足用户多样化的业务需求。因此一种能够在SDN网络内部选择高效、可靠、满足QoS的路径的方法,提高网络吞吐量和用户服务质量是非常重要的。本文将深度学习、强化学习与SDN技术相结合,提出一种基于流量分类的智能SDN路由优化方法,该方法主要包括两部分:基于深度学习的流量分类和基于强化学习的路由规划。首先通过深度学习模型对业务流进行QoS分类,将其分为四种等级;然后通过强化学习模型得到一条满足该流量QoS要求的最短转发路径,本文考虑的QoS为传输带宽。其中,流量分类采用的深度学习模型为改进的卷积神经网络(CNN,Convolutional Neural Network),路由规划采用的强化学习模型为Q-Learning。通过对流量分类模型和路由规划模型的模拟实验,流量分类准确率能够达到98%以上,路由的准确率几乎能达到100%,验证了本文提出的SDN路由优化方法的有效性。该方法能够实现为不同QoS等级的流量提供不同质量的转发路径,同时与传统的最短路径算法相比,具有减轻网络拥塞和提高网络利用率的优势。