移动自组织网络(Mobile Ad hoc Network,MANET)是一种不需要其他基础设施支持的自组织、自管理、无中心的多跳无线自主网络,具有快速部署、易扩展等优点。目前MANET网络主要被应用于无线传感器网络、军事领域以及紧急临时场合等。由于未来的MANET网络主要应用于战场环境下,所以网络成员不仅数量有所增加,同时节点具有高可移动性,网络性能有所下降。而现有的MANET中的路由协议在大规模场景中存在路由开销增加等问题,并且由于网络拓扑的动态变化,导致端到端延时增加,网络性能下降,无法满足大规模MANET网络的需求。因此,设计出适应于大规模网络的路由协议至关重要。本文以优化链路状态路由协议(Optimized Link State Routing Protocol,OLSR)为基础,优化OLSR性能,结合分簇思想、跨层优化方法以及强化学习算法QLearning,设计出适应于大规模场景的路由协议CQL-OLSR(Q-Learning based Clustered OLSR)。和标准OLSR路由协议相比,CQL-OLSR路由协议首先通过设计的分簇路由和平面路由相结合的分簇结构,使得路由协议的控制消息不再是全网拓扑洪泛,而是簇内采用OLSR转发广播分组,簇间只在网关节点之间转发簇链路消息,降低全网路由开销;其次结合跨层优化方法降低簇内OLSR路由协议中HELLO消息的开销;再者为了增强簇间通信能力,设计出动态网关选举方法,选择适合动态网络拓扑的网关节点,增强大规模网络拓扑的稳定性,保证网络的通信能力;然后提出了一种优化TC分组的MPR选择算法,该算法以稳定性为基础,进一步降低路由开销;最后基于Q-Learning的思想,考虑节点移动性和链路速率提出新的路由路径选择策略,以提升网络的稳定性和服务质量。本文通过OPNET仿真软件验证CQL-OLSR路由协议的可行性,并与标准版OLSR性能比较,验证不同规模下、网关节点移动以及不同路由策略下路由协议对网络性能的影响,参考路由开销、端到端延时以及业务接收量等方面的结果,验证CQL-OLSR在大规模移动自组织网络中可以在保证网络性能的前提下,有效降低路由开销,提升网络的可扩展性。