软件定义网络(Software Defined Network,SDN)是网络虚拟化的一种实现方式,其核心技术OpenFlow分离了网络设备上的控制平面与数据平面,屏蔽来自底层网络设备之间的差异。集中化管理的控制器通过运行用户自定义的网络路由和传输规则实现流量的智能控制,与此同时,集中控制平面应对大规模的网络环境时,会导致网络系统性能上的瓶颈。为此,多控制器集群技术被提出,但同时也衍生出了交换机与控制器之间的映射问题,即交换机与控制器的静态配置无法适应网络流的动态变化,从而造成控制器间的负载不均衡,使得控制器集群成为整个网络性能的瓶颈。如何最大限度地利用每个控制器,确保控制器之间的负载均衡成为了研究的核心问题。为此,本文进一步研究了SDN中控制平面的多控制器负载均衡问题,提出了两种提升网络性能的方案:使用交换机重映射解决控制器集群中单控制器负载过大问题;设计packet-in事件分配方案解决控制器集群中控制器负载不均的问题。本文主要工作如下:研究了水平扩展的SDN控制器集群中控制器超负载时交换机重映射问题。利用稳定性和自身利益最大化原则,将交换机重映射过程中目的控制器选择问题建模成非合作博弈的纯战略纳什均衡模型,提出了一种基于交换机重映射的降载算法。实验结果表明,所提算法在控制器负载过大时的降载方面有着显著的功效,能够缩减网络响应时间。研究了基于主从结构的SDN控制器集群中多控制器之间负载均衡问题。设计了一种基于遗传算法和模拟退火算法相结合的遗传退火算法来解决packet-in事件的分配问题,该算法结合了遗传算法收敛快和模拟退火算法避免陷入局部最优解的优点。实验结果表明提出的packet-in事件分配方案在负载均衡方面有较好的效果,最终达到了缩减响应时间的效果。