与无线网络相比,空间网络具有规模小、资源稀缺且传输成本高的特点。因此有必要在空间网络的数据传输过程中进行路由路径和流量的全局规划。然而,将空间网络结构直接抽象为静态的拓扑结构并在此基础上按顺序分别解决每对空间节点间的流量规划是完全不可行的。首先,空间网络节点间的链接具有随机性,并不能保证完全稳定的传输链接,无法直接用静态拓扑结构来规划。其次,以单对源-目的节点间流量规划的思路来解决可能存在多对需求的空间网络规划也是无法达到最优的。最后,即便选取了考虑多对需求的规划算法,由于资源的稀缺和对响应时间的要求,也要注重算法的性能,使其可以短时间内灵活地解决一定规模的空间网络规划问题。因此,本文主要针对以上几点进行优化。首先,应用了典型的时间拓展图技术(time expanded graph,TEG)对卫星网络的数据传输进行数学建模。通过时间拓展成分段时间槽的方式,将动态随机变化的时变空间卫星网络转化为一个静态的网络拓扑结构图。于是,卫星网络的数据传输问题的全局规划就转变为了一个给定拓扑图,求解多对节点之间如何最大化流量传输的数学问题,即一个将数据采集制定为旨在最大化吞吐量的多商品并发流优化问题(multicommodity-concurrent flow problem,MCFP)。该问题可以从数学上表示为一个线性规划问题。但是考虑到线性规划直接求解的庞大时间和空间复杂度,本文摒弃了传统解法,而选择了更加灵活和快速的近似迭代的思路对卫星网络节点之间的路由进行了全局优化。本文详细说明了抽象建模和应用算法的整个流程。本文通过对多种不同卫星网络场景进行时间拓展建模,再应用多商品最大并发流近似迭代算法,并将算法结果与传统的增广路径贪婪最大流算法进行定量比较。对于每种拓扑结构,多商品流算法都优于增广路径贪婪最大流算法。同时,需求数目越多,多商品流算法的优势将会更加明显。说明了使用该算法进行卫星网络全局优化的合理性和最优性。本文还针对算法细节进行了深入的研究。通过改变输入的近似参数并不断记录算法的迭代过程,验证可以根据人为的输入进行时间和精确性的取舍,从而达到在卫星网络中进行全局路由优化的最优性和节省时间资源之间的平衡。