无线网状网络(Wireless Mesh Network,简称WMN)是一种动态、多跳的无线自组织网络。在WMN中,路由协议一直是其研究重点之一。到目前为止,已经有各种类型的自组织路由协议。但是这些路由协议都有自己适合的领域,并没有一种路由协议能够适用于当前所有的场景。在传统网络中,由于网络拓扑基本稳定,使用单一的路由协议就能满足要求。但是WMN的网络环境瞬息万变,单一的路由协议已经越来越不能满足需求。为此需要一种能够根据当前网络环境,自适应决策出最优路由策略,并下发至底层网络的方案。为了解决WMN面临的这些难题,有些学者提出将软件定义网络(Software Defined Network,简称SDN)的设计思想融合入WMN的网络架构中,并提出了软件定义无线网状网(Software Defined Wireless Mesh Network,简称SD-WMN)的概念。SDN是一种能够将转发平面和控制平面分离,实现底层网络设备虚拟化的新型网络架构,支持基于全局网络的应用开发。SDN设计思想的加入给WMN增加了更大的扩展性、动态性和可管理性。也为WMN网络无法根据现有网络环境动态切换路由协议提供了新的解决思路。基于SDN的设计理念,本论文在吸收研究生期间所做项目经验的基础上,提出了一种自适应路由协议切变方案,主要内容和贡献为:(1)本论文通过实物验证和仿真模拟相结合的方式来对提出方案的理论可行性进行验证。首先我们通过实物验证的方式在现实环境中实现了SD-WMN网络架构,验证了SD-WMN网络架构的可行性。此外为了满足快速决策的需求,本论文中提出将机器学习的思想应用到路由协议的决策中,真正实现快速路由协议选择。本文通过收集仿真环境下的上千组网络状态数据和对应的性能参数,使用最优路由协议评估算法对原始数据进行打标签操作。最后对比多种机器学习分类算法在最优路由协议决策中的性能,选择出性能最优的随机森林分类算法作为最优路由协议决策机制中的预测模型。(2)为了进一步验证机器学习的决策结果,本论文在仿真软件中实现了路由协议切变机制。通过仿真实验证明了路由协议切变机制的可行性。并通过对比切换路由协议前后的时延、吞吐量和丢包率来分析机器学习决策结果的好坏。实验结果表明本论文提出的自适应路由切变方案确实选择出了网络综合性能最优秀的路由协议,并成功实现了路由协议切换,使得整体网络性能得到了提升。