1.信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，包括以下步骤：

101、获取信息中心网络各个节点的数据，采用多态蚁群算法优化网络覆盖层，每个兴趣包代表一只蚂蚁，网络节点周期性发出探索蚂蚁，探索蚂蚁依据内容的流行度来选择探索目的地，然后探索蚂蚁转发到下一跳所有相关转发接口；

102、在接下来的转发过程中，首先分别判断出是用户发出的兴趣蚂蚁还是节点发出的探索蚂蚁，如果是用户发出的兴趣蚂蚁，则直接通过信息素浓度最高的接口转发出去；如果是节点发出的探索蚂蚁，首先观察是否触发类型判决，如果触发类型判决，蚂蚁将被定义为三种状态之一，并依据相应概率转移公式计算出转发接口；并且随着网络状况的变化，蚂蚁各个状态的概率也发生变化，如果没有触发类型判决，则按照用户发出的蚂蚁转发规则处理；所述触发类型判决，蚂蚁将被定义为三种状态，所述三种状态包括正常蚂蚁、随机蚂蚁、异常蚂蚁，然后依据各自的状态概率转移公式计算出最优转发接口并转发出去；正常蚂蚁的转发概率与信息素浓度成正比，接口信息素浓度越高转发概率越大；异常蚂蚁转发概率与信息素浓度成反比，接口信息素浓度越高转发概率越低；随机蚂蚁不考虑信息素浓度，以相同的概率随机选择一个接口进行转发。

2.根据权利要求1所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，所述步骤102中信息素浓度存储于信息素表中，表中包含内容名称、关联的接口列表、相应的信息素值和对应的接口转发概率，对于每一个内容名称条目，通过运行蚁群算法计算每个接口信息素的值，然后根据信息素的值计算每个接口对应的转发概率，最后将转发概率最高的接口赋值到内容中心网络的转发信息表FIB表中。

3.根据权利要求1或2所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，步骤101所述内容的流行度包括：在内容集合C中，任意一个流行度级别为i的内容，其流行度为：其中N为内容集合C中的内容个数；i为内容对象的流行级别，i＝1,2,…,N；为一常数，称为特征指数，它描述了用户对内容对象i访问的集中度，越大表示用户访问越集中，越小则表示热点内容不集中； 定义为N阶归一化系数， n为流行级别。

4.根据权利要求1或2所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，所述信息中心网络采用Zipf-like分布模型，通过该分布模型计算出各内容的流行度，探索代理选择流行度排名为i的内容条目作为目的地进行路径更新的概率为其中N为内容集合C中的内容个数；i为内容对象的流行级别，i＝1,2,…,N；

为一常数，称为特征指数，它描述了用户对内容对象i访问的集中度，该值越大表示用户访问越集中，越小则表示热点内容不集中； 定义为N阶归一化系数， n为流行级别。

5.根据权利要求1所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，如果蚂蚁判定为正常蚂蚁，则正常进行转发，即信息素浓度越高转发概率越大，则接口转发概率为：表示接口的整体信息素浓度；α用于决定负载信息素 和时延信息素 对整体信息素 的贡献权重, 表示内容名称c对应的转发接口数。

6.根据权利要求5所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，如果判定为异常蚂蚁，转发概率则和接口信息素浓度成反比，即接口信息素浓度越高转发概率越低,其转发概率为：表示接口的整体信息素浓

度；α用于决定负载信息素 和时延信息素 对整体信息素 的贡献权重。

7.根据权利要求5所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，如果判定为随机蚂蚁，则向所有相关接口进行随机转发，不考虑信息素浓度，则转发概率为：如果判决没有触发，探索蚂蚁直接从转发信息表FIB表对应的最佳端口转发。

8.根据权利要求1所述的信息中心网络中基于流行度的多态蚁群算法来实现的方法，其特征在于，步骤102还包括蚂蚁路由更新的步骤：前向蚂蚁从服务节点获得请求数据后由该节点生成后向蚂蚁，沿原路径返回，到达每个节点后依据自适应信息素更新公式刷新其信息素浓度； 表示节点i中内容c的离散度的值，为了避免局部信息素值过高，与内容c相关联的所有接口相应的信息素做挥发处理；挥发处理公式： 为信息素的浓度值，ρ为挥发系数，d表示时延，Δx为信息素的增量，-(x-1)exp(x)中x代表网络负载和往返时延，表示x与Δx成反比， 表示信息素增加的程度和当前值也成反函数关系。