本发明公开了一种多模态网络的流量智能控制方法，基于深度强化学习(Deep Reinforcement Learning，DRL)，通过提取访问内容大小、链路带宽等特征，综合考虑网络负载均衡、业务时延等指标来进行网络流量分配。此外，为了缩短用户请求内容的时间，本发明利用多模态网络的架构优势(ICN网络节点可以缓存数据)，基于多模态网络的缓存特性提出了考虑代价和收益的缓存算法，在网络节点中对流行度较高的内容进行缓存。这样本发明通过基于深度强化学习的路由策略以及考虑替换收益的动态缓存策略，降低了多模态网络时延，实现了多模态负载均衡，并提高了多模态网络的性能。