无线Mesh网络具备组网配置灵活、链路带宽高、非视距多跳传输、兼容性良好、动态适应性强、低成本的优点,已经被广泛部署到万物互联的网络场景。路由技术是无线Mesh网络路由器转发数据包的核心技术。传统无线Mesh网络路由算法的路由发现机制由数学模型驱动,无法快速适应实时改变的网络状态,容易造成网络资源配置不均匀不充分的现象。机器学习路由算法通常是以数据驱动的,因此其能够通过分析过去网络统计数据和性能数据来推断最佳决策。近年来用于解决路由问题的机器学习技术分类主要包括监督学习和强化学习。监督学习需要大量训练数据集进行训练,而现有网络环境中难以获得大量正确标记的数据集。基于强化学习的路由算法可以克服监督学习需要大量训练数据集的不足,更适用于路由问题。现有基于分布式多跳无线网络的强化学习路由算法主要根据优化目标对奖励函数进行研究,但是对于链路干扰、节点负载在内的路由负载均衡性能考虑不够充分。因此,基于强化学习对无线Mesh网络路由问题进行建模,并从负载均衡的角度设计奖励函数具有重要的研究意义。论文针对现有分布式强化学习路由方案对路由负载均衡性能考虑不足的问题,提出了符合多接口多信道无线Mesh 网络路由特性的基于Q学习及负载与干扰感知的路由算法（Q-Learning Load Interface Aware Routing Algorithm,QLNLIA）,设计了包括链路干扰以及节点负载在内的奖励函数,使其能够根据网络状态的变化不断进行学习以适应无线介质和网络拓扑的动态变化,并对其进行平滑处理以避免对网络变化过度反应。QLNLIA算法通过单跳Hello包广播的方式,动态地调整路由策略选择下一跳中继节点来转发数据包。仿真结果显示,QLNLIA算法有效避开了网络重负载区域,实现了负载均衡的效果,提升了网络吞吐量性能。无线Mesh网络中网关节点承载了内部网络与Internet网络交互的流量,无线Mesh网络研究通常为无线Mesh网络配备多个网关节点以缓解瓶颈网关节点压力。针对目前多网关无线Mesh网络场景下分布式强化学习路由算法未统一考虑网关负载与到达网关的路径质量问题,论文在QLNLIA算法基础上提出了基于Q学习及负载和干扰感知的多网关负载均衡选择路由算法（Q-Learning Gateway Selection Load Interface Aware Routing Algorithm,QLGSLIA）,该算法为Internet业务与非Internet业务分别设计了奖励函数,将网关侦听范围划分为热点区域,使非Internet业务主动避让网关节点;对于Internet业务,将网关负载同链路干扰负载等网络参数统一考虑,以强化学习的方式结合到达网关路径综合负载情况合理选择网关节点,从整体上提升网络吞吐量。仿真结果显示,本研究内容提出的强化学习方法综合考虑了无线Mesh网络的各项路由指标,可以灵活的调整路由策略,充分利用网关资源,保证服务质量,提高网络整体吞吐量,降低平均端到端时延。论文最后对全文研究工作做出总结,并对下一步研究工作做出展望。